问题在于你正在将一个大小和行索引不同的帧乘以另一个帧。以下是解决方案:
问题是你正在将不同大小和行索引的框架相乘。这里是解决方案:
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
您可以通过以下两种方式访问该列:
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
或使用dot
获取另一个DataFrame
In [127]: df.dot(weight)
Out[127]:
0
0 1.86
1 3.41
综上所述:
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
这是每种方法的时间记录,使用一个更大的 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
对于一个宽的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,
dot
更快更易读。
注意:如果你的数据包含任何
NaN
,则不应使用
dot
,而应该使用乘法和求和方法。
dot
不能处理
NaN
,因为它只是
numpy.dot()
的一个薄包装器(它不能处理
NaN
)。
DataFrame
和weights
吗?不清楚为什么你会遇到这个问题。如果你只是想要行值与weights
的点积,那么可以使用ndarray.dot
方法:row.values.dot(weights.values)
。 - Phillip Cloud