Pandas- Dataframe 与另一个 Dataframe 的 sum-products答案

【问题标题】：Pandas- sum-products of Dataframe with another DataframePandas- Dataframe 与另一个 Dataframe 的 sum-products
【发布时间】：2017-07-25 00:39:41
【问题描述】：

我有一个 pandas 数据框，其中包含在不同时间（索引）的特定位置（列）测量的值。例如（如果我将时间索引设置为整数）：

data = pd.DataFrame(index=[0, 1, 2], columns=['A', 'B', 'C'], data=[[1, 2, 3], [4, 5, 6], [7, 8, 9]])

> data:
>    A  B  C
> 0  1  2  3
> 1  4  5  6
> 2  7  8  9

我还想对数据应用多组权重：

weights = pd.DataFrame(index=['I', 'II'], columns=['A', 'B', 'C'], data=[[0.5, 0.5, 0.0], [0.5, 0.0, 0.5]])

> weights:
>       A    B    C
> I   0.5  0.5  0.0
> II  0.5  0.0  0.5

对于我的两组不同的权重，我需要计算的是权重*数据的逐行求和积。例如：

> result:
>      I    II
> 1  1.5   2.0
> 2  4.5   5.0
> 3  7.5   8.0

我知道如何计算单个列，例如：

result_I = data.mul(weights[:].ix['I'], axis=1).sum(axis=1)

result_I:
> 0    1.5
> 1    4.5
> 2    7.5

有没有一种方法可以创建上面概述的结果数据框，而不是遍历所有行并连接？还是迭代/串联是最好的方法？

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

这是一个经典的矩阵乘法问题。你可以使用np.dot:

In [190]: result = pd.DataFrame(np.dot(data, weights.T), columns=weights.index); result
Out[190]: 
     I   II
0  1.5  2.0
1  4.5  5.0
2  7.5  8.0

正如 John Gait 所指出的，一个较短的版本是 result = data.dot(weights.T)。

【讨论】：

绝对是。我想我不能只见树木不见森林！ :) 谢谢
@MarkD 很高兴为您提供帮助。 :) 我不知道 pandas 数据帧有自己的 dot 函数，但我猜他们这样做是为了让你可以自己使用它（它是相同但更紧凑的代码）。

【解决方案2】：

pd.DataFrame 有一个.dot 方法。

In [806]: data.dot(weights.T)
Out[806]:
     I   II
0  1.5  2.0
1  4.5  5.0
2  7.5  8.0

【讨论】：