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