Problem polega na tym, że mnożysz ramkę z ramką o innym rozmiarze z innym indeksem wiersza. Oto rozwiązanie:
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
Można też uzyskać dostęp do kolumny:
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
Albo użyć dot
wrócić inny DataFrame
In [127]: df.dot(weight)
Out[127]:
0
0 1.86
1 3.41
Aby doprowadzić to wszystko razem:
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
Oto timeit
s każdej metody, używając większego 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
Dla szerokiej 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
Więc dot
jest szybsza i bardziej czytelny.
UWAGA: Jeśli jakiekolwiek dane zawierają NaN
s wówczas nie należy używać dot
należy użyć metody pomnożyć-a-sum. dot
nie może obsłużyć NaN
s, ponieważ jest tylko cienką osłoną wokół numpy.dot()
(która nie obsługuje NaN
s).
Czy możesz pokazać niektóre z twoich 'DataFrame' i' wag "? Nie jest jasne, dlaczego masz problem z tym. Jeśli chcesz tylko użyć iloczynu wierszy wartości wierszy za pomocą 'wag", użyj metody 'ndarray.dot': row.values.dot (wag. Wartości)'. –