[我想使用Python Pandas强制矩阵乘法“定向”,在DataFrame与DataFrame之间,Dataframe与Series之间以及Series与Series之间。
作为示例,我尝试了以下代码:
t = pandas.Series([1, 2])
print(t.T.dot(t))
哪个输出:5
但是我希望这样:
[1 2
2 4]
熊猫很棒,但是无法按我想要的方式进行矩阵乘法是最令人沮丧的事情,因此,任何帮助将不胜感激。
PS:我知道Pandas试图隐式使用索引来找到计算矩阵乘积的正确方法,但似乎无法关闭此行为!
[任何人现在都想考虑:pandas.Series.to_frame()。有点笨拙。
这是原始问题的示例:
import pandas as pd
t = pd.Series([1, 2])
t.to_frame() @ t.to_frame().T
# or equivalently:
t.to_frame().dot(t.to_frame().T)
哪个产量:
In [3]: t.to_frame().dot(t.to_frame().T)
Out[3]:
0 1
0 1 2
1 2 4
这里:
In [1]: import pandas
In [2]: t = pandas.Series([1, 2])
In [3]: np.outer(t, t)
Out[3]:
array([[1, 2],
[2, 4]])
由y-p找到的解决方案:
https://github.com/pydata/pandas/issues/3344#issuecomment-16533461
from pandas.util.testing import makeCustomDataframe as mkdf
a=mkdf(3,5,data_gen_f=lambda r,c: randint(1,100))
b=mkdf(5,3,data_gen_f=lambda r,c: randint(1,100))
c=DataFrame(a.values.dot(b.values),index=a.index,columns=b.columns)
print a
print b
print c
assert (a.iloc[0,:].values*b.iloc[:,0].values.T).sum() == c.iloc[0,0]
C0 C_l0_g0 C_l0_g1 C_l0_g2 C_l0_g3 C_l0_g4
R0
R_l0_g0 39 87 88 2 65
R_l0_g1 59 14 76 10 65
R_l0_g2 93 69 4 29 58
C0 C_l0_g0 C_l0_g1 C_l0_g2
R0
R_l0_g0 76 88 11
R_l0_g1 66 73 47
R_l0_g2 78 69 15
R_l0_g3 47 3 40
R_l0_g4 54 31 31
C0 C_l0_g0 C_l0_g1 C_l0_g2
R0
R_l0_g0 19174 17876 7933
R_l0_g1 15316 13503 4862
R_l0_g2 16429 15382 7284
这里的断言是没有用的,它只是检查它是否确实是正确的矩阵乘法。
这里的关键似乎是第4行:
c=DataFrame(a.values.dot(b.values),index=a.index,columns=b.columns)
这是它计算a和b的点积,但是强制所得的DataFrame c具有a的索引和b的列,实际上是将点积转换为矩阵乘法,并且保持熊猫的样式,因为您保留了索引和列(您丢失了a的列和b的索引,但这在语义上是正确的,因为在矩阵乘法中,您对这些行进行求和,因此保留它们将毫无意义。)
这有点尴尬,但如果它与API的其余部分一致,就足够简单了(我仍然必须测试Series x Dataframe和Series x Series的结果,我将在这里发表我的发现)。] >