假设我有两个这样的 pandas 数据框:
df1 = pd.DataFrame({'Component': ['A','B','C','D'],'Theme': ['T1','T2','T3','T3'],'Weights': [0.5,0.1,0.1,0.3]},index=[0, 1, 2, 3])
df2 = pd.DataFrame({'A': [-0.1,0.05,-0.07,-0.5,0.02],'B': [-0.3,0.02,-0.01,-0.4,0.01],'C': [-0.8,0.00,-0.01,-0.1,0.07],'D': [-0.08,0.1,-0.01,-0.05,0.03],},index=[0, 1, 2, 3,4])
我正在寻找一种“智能方法”来计算按主题分组的两个数据框的“和积”(或点积)。问题是第二个数据帧中缺少“主题”,链接两个数据帧的唯一方法是通过组件。
我们举个例子: 对于主题 T3,结果应该是这样的数据框:
df3=pd.DataFrame({'T3':[-0.104,0.03,-0.004,-0.025,0.016]},index=[0, 1, 2, 3,4])
计算细节如下(df1(按主题T3过滤)和df2的和:
0.1*-0.8+0.3*-0.08 = -0.104
0.1*0+0.3*0.1=0.03
0.1*-0.01+0.3*-0.01=-0.004
0.1*-0.1+0.3*-0.05=-0.025
0.1*0.07+0.3*0.03=0.016
如果我们将 df1 和 df2 转换为两个 numpy 数组,我们可以进行转置(df1)和转置(df2)的点积。那会很完美。但是,由于我需要按主题进行过滤,所以我有点卡住了。
总的来说,我想要 3 个数据框(因为我有 3 个主题)
有什么建议吗?谢谢。
最佳答案
两边设置相同的索引,这是dot
产品的要求:
df1 = df1.set_index('Component')
使用 where
应用所需的过滤条件,然后用 0 填充 NA 值:
df2.dot(df1.where(df1.Theme=='T3').Weights.fillna(0))
0 -0.104
1 0.030
2 -0.004
3 -0.025
4 0.016
dtype: float64
关于python - 点积过滤数据框 pandas,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49897926/