python – 如何计算熊猫中一行中所有元素的加权和？

我有一个有多列的熊猫数据框.我想从行中的值和另一个列向量数据框的权重创建一个新的columns

weighted_sum应具有以下值：

行[weighted_sum] =行[col0] *权重[0]行[col1] *权重[1]行[col2] *权重[2] …

我发现函数sum(axis = 1),但它不让我乘以重量.

编辑：
我改变了一些事情.

体重看起来像这样：

0
col1 0.5
col2 0.3
col3 0.2

df看起来像这样：

col1 col2 col3
1.0  2.2  3.5
6.1  0.4  1.2

df * weight返回一个包含Nan值的数据帧.

解决方法

In [121]: df = DataFrame([[1,2.2,3.5],[6.1,0.4,1.2]],columns=list('abc'))

In [122]: weight = DataFrame(Series([0.5,0.3,0.2],index=list('abc'),name=0))

In [123]: df
Out[123]:
           a          b          c
0       1.00       2.20       3.50
1       6.10       0.40       1.20

In [124]: weight
Out[124]:
           0
a       0.50
b       0.30
c       0.20

In [125]: df * weight
Out[125]:
           0          a          b          c
0        nan        nan        nan        nan
1        nan        nan        nan        nan
a        nan        nan        nan        nan
b        nan        nan        nan        nan
c        nan        nan        nan        nan

您可以访问列：

In [126]: df * weight[0]
Out[126]:
           a          b          c
0       0.50       0.66       0.70
1       3.05       0.12       0.24

In [128]: (df * weight[0]).sum(1)
Out[128]:
0         1.86
1         3.41
dtype: float64

或者使用点来获取另一个DataFrame

In [127]: df.dot(weight)
Out[127]:
           0
0       1.86
1       3.41

把它们整合在一起：

In [130]: df['weighted_sum'] = df.dot(weight)

In [131]: df
Out[131]:
           a          b          c  weighted_sum
0       1.00       2.20       3.50          1.86
1       6.10       0.40       1.20          3.41

以下是每个方法的时间,使用较大的DataFrame.

In [145]: df = DataFrame(randn(10000000,3),columns=list('abc'))
weight
In [146]: weight = DataFrame(Series([0.5,name=0))

In [147]: timeit df.dot(weight)
10 loops,best of 3: 57.5 ms per loop

In [148]: timeit (df * weight[0]).sum(1)
10 loops,best of 3: 125 ms per loop

对于广泛的DataFrame：

In [162]: df = DataFrame(randn(10000,1000))

In [163]: weight = DataFrame(randn(1000,1))

In [164]: timeit df.dot(weight)
100 loops,best of 3: 5.14 ms per loop

In [165]: timeit (df * weight[0]).sum(1)
10 loops,best of 3: 41.8 ms per loop

所以,点更快,更可读.

注意：如果您的任何数据包含NaN,那么您不应该使用点,您应该使用乘法和sum方法.点不能处理NaN,因为它只是一个薄的包装器,在numpy.dot()(它不处理NaNs).

（编辑：鄂州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!