使用 DataFrame 和 dict 获得加权总和的 Pythonic 方法

Question

给定一个 DataFrame 和一个 Dict，我怎样才能得到一个带有加权总和的新列？ Dict 中的键与 DataFrame 中的列名匹配

import pandas as pd
df = pd.DataFrame({'Index': ['aaa', 'bbb', 'ccc'],
                   'a': [1, 2, 3],
                   'b': [4, 5, 6],
                   'c': [7, 8, 9]})
df.set_index('Index', inplace=True)

weights = {'a': 0.5,
        'b': 0.2
       }

在这里，我想要一个 pythonic 方式（我目前正在做一个大循环！）来获得以下结果：

| Index   | a   | b   | c   | weighted_sum            |
| aaa     | 1   | 4   | 7   | (1 * 0.5) + (4 * 0.2)   |
| bbb     | 2   | 5   | 8   | (2 * 0.5) + (5 * 0.2)   | 
| ccc     | 3   | 6   | 9   | (3 * 0.5) + (6 * 0.2)   | 

注意，我不会总是知道权重字典中的键是什么

Answer 1

你可以做：

df['weighted_sum'] = df[['a','b']].mul(weights).sum(1)

或等效地：

df['weighted_sum'] = (df[['a','b']] * weights).sum(1)

输出：

       a  b  c  weighted_sum
Index                       
aaa    1  4  7           1.3
bbb    2  5  8           2.0
ccc    3  6  9           2.7

---

现在，如果您并不总是知道密钥，则可以使用weights.keys()获取密钥：

(df[weights.keys()] * weights).sum(1)

如果您的键不在数据框的列中，则可能会引发KeyError 。 在这种情况下，您可以将weights变成一个系列，Pandas 将为您完成繁重的工作。

df.mul(pd.Series(weights)).sum(1)

Answer 2

您可以使用.assign然后.mul和.sum （不要使用dict作为变量名）

import pandas as pd
df = pd.DataFrame({'Index': ['aaa', 'bbb', 'ccc'],
                   'a': [1, 2, 3],
                   'b': [4, 5, 6],
                   'c': [7, 8, 9]})
df.set_index('Index', inplace=True)

pdict = {'a': 0.5,
        'b': 0.2
       }
       
df = df.assign(**pdict).mul(df)[['a','b']].sum(1)

print(df)

Answer 3

一个简单的方法就是这样

def funk(df,d):
    return df[list(d)[0]]*d[list(d)[0]] + df[list(d)[1]]*d[list(d)[1]]

funk(df,d)

结果

aaa    1.3
bbb    2.0
ccc    2.7
dtype: float64

Answer 4

我的单行版本看起来像：

df['weighted_sum'] = sum([df[key] * weights[key] for key in weights.keys()])

打印结果在

       a  b  c  weighted_sum
Index                       
aaa    1  4  7           1.3
bbb    2  5  8           2.0
ccc    3  6  9           2.7