正如标题所说,我试图在某些条件下对数据框的每对列应用一个函数。我将尝试说明这一点。我的 df 是以下形式:

Code |  14  |  17  |  19  | ...
w1   |  0   |   5  |   3  | ...
w2   |  2   |   5  |   4  | ...
w3   |  0   |   0  |   5  | ...

Code对应一个矩形网格中的一个确定位置,ws是不同的词。我只想在每对列之间应用余弦相似性度量 (已编辑!) 如果该对列中的一列中的项目总和大于 5

所需的输出类似于:
     | [14,17]  |  [14,19]  |  [14,...]  |  [17,19]  | ...
Sim  |cs(14,17) |cs(14,19)  |cs(14,...)  |cs(17,19)..| ...

cs 是每对列的余弦相似度的结果。
有没有合适的方法来做到这一点?

任何帮助,将不胜感激 :-)

最佳答案

要将余弦度量应用于来自两个输入集合的每一对,您
可以使用 scipy.spatial.distance.cdist 。这将比
使用双 Python 循环。

让一个集合成为 df 的所有列。让其他集合仅是总和大于 5 的那些列:

import pandas as pd
df = pd.DataFrame({'14':[0,2,0], '17':[5,5,0], '19':[3,4,5]})
mask = df.sum(axis=0) > 5
df2 = df.loc[:, mask]

然后可以通过一次调用 cdist 来计算所有余弦相似度:
import scipy.spatial.distance as SSD
values = SSD.cdist(df2.T, df.T, metric='cosine')
# array([[  2.92893219e-01,   1.11022302e-16,   3.00000000e-01],
#        [  4.34314575e-01,   3.00000000e-01,   1.11022302e-16]])

这些值可以包装在一个新的 DataFrame 中并重新整形:
result = pd.DataFrame(values, columns=df.columns, index=df2.columns)
result = result.stack()
import pandas as pd
import scipy.spatial.distance as SSD
df = pd.DataFrame({'14':[0,2,0], '17':[5,5,0], '19':[3,4,5]})
mask = df.sum(axis=0) > 5
df2 = df.loc[:, mask]
values = SSD.cdist(df2.T, df.T, metric='cosine')
result = pd.DataFrame(values, columns=df.columns, index=df2.columns)
result = result.stack()
mask = result.index.get_level_values(0) != result.index.get_level_values(1)
result = result.loc[mask]
print(result)

产生系列
17  14    0.292893
    19    0.300000
19  14    0.434315
    17    0.300000

关于python - Pandas:在约束下的每对列上应用函数,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/38455278/

10-12 20:15