python – 计算pandas数据帧的选定列的加权和的推荐方法是什么？

2019年8月4日 220次阅读

例如,我想计算下面矩阵的列’a’和’c’的加权和,并在字典w中定义权重.

df = pd.DataFrame({'a': [1,2,3], 
                   'b': [10,20,30], 
                   'c': [100,200,300],
                   'd': [1000,2000,3000]})
w = {'a': 1000., 'c': 10.}

我自己想出了一些选项(见下文),但看起来有点复杂.对于这个基本用例,是不是有直接的熊猫操作？像df.wsum(w)这样的东西？

我尝试了pd.DataFrame.dot,但它引发了一个值错误：

df.dot(pd.Series(w))
# This raises an exception:
# "ValueError: matrices are not aligned"

通过为每列指定权重可以避免异常,但这不是我想要的.

w = {'a': 1000., 'b': 0., 'c': 10., 'd': 0. }
df.dot(pd.Series(w)) # This works

如何仅计算列子集上的点积？或者,可以在应用点操作之前选择感兴趣的列,或者利用pandas / numpy在计算(行式)总和时忽略nans的事实(见下文).

以下是我能够发现自己的三种方法：

w = {'a': 1000., 'c': 10.}

# 1) Create a complete lookup W.
W = { c: 0. for c in df.columns }
W.update(w)
ret = df.dot(pd.Series(W))

# 2) Select columns of interest before applying the dot product.
ret = df[list(w.keys())].dot(pd.Series(w))

# 3) Exploit the handling of NaNs when computing the (row-wise) sum
ret = (df * pd.Series(w)).sum(axis=1)
# (df * pd.Series(w)) contains columns full of nans

我错过了一个选项吗？

最佳答案 您可以在第一个示例中使用Series,之后只需使用reindex：

import pandas as pd

df = pd.DataFrame({'a': [1,2,3],
                   'b': [10,20,30],
                   'c': [100,200,300],
                   'd': [1000,2000,3000]})

w = {'a': 1000., 'c': 10.}
print(df.dot(pd.Series(w).reindex(df.columns, fill_value=0)))

产量

0    2000.0
1    4000.0
2    6000.0
dtype: float64
点赞