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
问题是您将帧与不同大小的帧与不同的行索引相乘.这是解决方案：
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).