在数据帧中按行质量中心，每列乘以不同质量

Question

我正在尝试计算20个对象的质心，其中每个对象都有自己不同的质量。

这些对象在数据框cm_x中表示，其关联的质量在列表中。下面为了节省空间，仅显示了这20个对象中的3个示例。每个对象都有一个x, y, z坐标，但是我只显示x，然后可以对其余对象应用相同的技术。下面是数据框的标题。

bar_head_x  bar_hip_centre_x    bar_left_ankle_x
0   -203.3502   -195.4573   -293.262
1   -203.4280   -195.4720   -293.251
2   -203.4954   -195.4675   -293.248
3   -203.5022   -195.9193   -293.219
4   -203.5014   -195.9092   -293.328

m_head = 0.081
m_hipc = 0.139
m_lank = 0.0465
m = [m_head,m_hipc,m_lank] 

[我在另一个类似的问题中看到，有人提出了这种方法，但是这种方法并未纳入大众的范围，这就是我遇到的问题：

def series_sum(pd_series):
    return np.sum(np.dot(pd_series.values, np.asarray(range(1, len(pd_series)+1)))/np.sum(pd_series))

cm_x.apply(series_sum, axis=1)

基本上，我希望每行都具有一个相关的质心，使用质心公式sum(x_i * m_i) / sum(m_i)。

期望的结果将是数据框中的新列，如下所示：

cm_x
0   -214.92
1   ...
2   ...
3   ...
4   ...

有帮助吗？

Answer 1

如果我理解正确，您可以像这样计算所需的列：

>>> df.mul(m).sum(axis=1)/sum(m)
0   -214.921628
1   -214.951023
2   -214.968638
3   -215.201292
4   -215.214800

Answer 2

使用DataFrame.dot并除以列表DataFrame.dot的sum：

m

如果需要

s = df.dot(m).div(sum(m))
print (s)
0      -214.921628
1      -214.951023
2      -214.968638
3      -215.201292
4      -215.214800
7441   -245.078910
7442   -244.943961
7443   -244.806606
7444   -244.665285
7445   -244.533503
dtype: float64

，请添加DataFrame：

Series.to_frame