12

複数の列を持つ pandas データ フレームがあります。weighted_sum行の値と別の列ベクトル データフレームから新しい列を作成したいweight

weighted_sum次の値を持つ必要があります。

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

関数 を見つけましたsum(axis=1)が、 で乗算できませんweight。

編集：私は物事を少し変更しました。

weight次のようになります。

     0
col1 0.5
col2 0.3
col3 0.2

df次のようになります。

col1 col2 col3
1.0  2.2  3.5
6.1  0.4  1.2

df*weight値でいっぱいのデータフレームを返しNanます。

4

2 に答える 2

13

問題は、フレームに、異なる行インデックスを持つ異なるサイズのフレームを乗算していることです。解決策は次のとおりです。

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

次のいずれかの列にアクセスできます。

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

または、dot別のものを取り戻すために使用しますDataFrame

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

すべてをまとめるには:

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

timeitより大きな を使用して、各メソッドの を次に示します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

ワイドの場合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

そのため、dotより高速で読みやすくなっています。

注:データにNaNsが含まれているdot場合は使用しないでください。乗算と合計の方法を使用する必要があります。s は単なる薄いラッパー(s を処理しない) であるため、処理dotできません。NaNnumpy.dot()NaN

于 2013-08-24T15:39:43.363 に答える
9

weights が各列の一連の重みであると仮定すると、乗算して合計することができます。

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

このアプローチの利点は、重み付けしたくない列を処理できることです。

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
于 2013-08-24T15:14:55.290 に答える