Например, я хотел бы вычислить взвешенную сумму столбцов «a» и «c» для приведенной ниже матрицы с весами, определенными в словаре w
.
df = pd.DataFrame({'a': [1,2,3],
'b': [10,20,30],
'c': [100,200,300],
'd': [1000,2000,3000]})
w = {'a': 1000., 'c': 10.}
Я сам придумал некоторые варианты (см. Ниже), но все они выглядят немного сложными. Разве для этого базового варианта использования нет прямой операции pandas? Что-то вроде df.wsum(w)
?
Я попробовал pd.DataFrame.dot
, но это повышает значение ошибка:
df.dot(pd.Series(w))
# This raises an exception:
# "ValueError: matrices are not aligned"
Исключения можно избежать, указав вес для каждого столбца, но это не, что я хочу.
w = {'a': 1000., 'b': 0., 'c': 10., 'd': 0. }
df.dot(pd.Series(w)) # This works
Как можно вычислить скалярное произведение только на подмножестве столбцов? В качестве альтернативы можно выбрать интересующие столбцы перед применением операции с точкой или воспользоваться тем фактом, что pandas / numpy игнорирует nan
s при вычислении (по строкам) сумм (см. Ниже).
Вот три метода, которые я обнаружил сам:
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
Я упустил вариант?
df.mul(w).sum(axis=1)
- person ayhan   schedule 30.12.2018df.loc[:, w].dot(pd.Series(w))
- person Dani Mesejo   schedule 30.12.2018