如何计算Panda中一行中所有元素的加权和

Question

我有一个包含多列的panda数据帧。我想根据行中的值和另一个列矢量数据帧weight 创建一个新列weighted_sum

weighted_sum应具有以下值：

row[weighted_sum] = row[col0]*weight[0] + row[col1]*weight[1] + row[col2]*weight[2] + ...

我找到了函数sum(axis=1)，但它不允许我与weight相乘。

编辑：我改变了一些事情。

weight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返回一个充满Nan值的数据帧。

Answer 1

问题是将一个帧与具有不同行索引的不同大小的帧相乘。解决方案如下：

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dot取回另一个DataFrame

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

将其整合在一起：

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

以下是每种方法的timeit s，使用较大的DataFrame。

In [145]: df = DataFrame(randn(10000000, 3), columns=list('abc'))
weight
In [146]: weight = DataFrame(Series([0.5, 0.3, 0.2], index=list('abc'), 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

对于宽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

因此，dot速度更快，可读性更强。

注意：如果任何数据包含NaN s，则不应使用dot，而应使用乘和方法。dot不能处理NaNs，因为它只是numpy.dot()（不处理NaNs）的一个薄包装。

Answer 2

假设权重是每列的一系列权重，则可以相乘并求和：

In [11]: df = pd.DataFrame([[1, 2, 3], [4, 5, 6]], columns=['a', 'b', 'c'])
In [12]: weights = pd.Series([7, 8, 9], index=['a', 'b', 'c'])
In [13]: (df * weights)
Out[13]: 
    a   b   c
0   7  16  27
1  28  40  54
In [14]: (df * weights).sum(1)
Out[14]: 
0     50
1    122
dtype: int64

这种方法的好处是它可以处理那些你不想称重的列：

In [21]: weights = pd.Series([7, 8], index=['a', 'b'])
In [22]: (df * weights)
Out[22]: 
    a   b   c
0   7  16 NaN
1  28  40 NaN
In [23]: (df * weights).sum(1)
Out[23]: 
0    23
1    68
dtype: float64