Python 基于带熊猫的列的sumproduct

我有一个包含数值和

NaN

值的数据框。我想以某种方式应用加权和，在另一个数据帧（单行“加权方案”）中指定权重，如下所示：

NaN

值将被视为

1

。我希望结果成为原始数据帧中的一个新列，

Wgt\u sum

，从而产生

df =    

                     Score_1     Score_2     Score 3     Score 4    Score_5    Wgt_sum 
0                    1.0         6.0         3.0         10.0       8.0        4.95
1                    5.0         NaN         9.0         NaN        1.0        2.0
2                    10.0        NaN         NaN         5.0        3.0        3.45
...

请注意，

Wgt_sum

应仅由列

Score_1

、

Score_2

和

Score_4

-组成，如

权重

数据框中所述，

NaN

值已与

1

一起使用

此外，

weights

中的列可能与指定的列不同，因此我想要一个“通用”解决方案，其中

weights

的列在

df

和

weights

中使用

有什么聪明的解决方案吗

---

谢谢

如果每行df的权重相同，那么真正的权重应该是一个系列，而不是一个数据帧，因为它的索引没有携带任何信息。因此：

In [152]: df["Wgt_sum"] = (df.fillna(1) * weights.iloc[0]).sum(axis=1)

In [153]: df
Out[153]: 
   Score_1  Score_2  Score 3  Score 4  Score_5  Wgt_sum
0      1.0      6.0      3.0     10.0      8.0     4.95
1      5.0      NaN      9.0      NaN      1.0     2.00
2     10.0      NaN      NaN      5.0      3.0     3.45

其中，

.iloc[0]

只是选择第一行权重

我们可以通过查看预和输出来确认其是否正确对齐：

In [165]: df.fillna(1) * weights.iloc[0]
Out[165]: 
   Score 3  Score 4  Score_1  Score_2  Score_5
0      NaN     0.50     0.25      4.2      NaN
1      NaN     0.05     1.25      0.7      NaN
2      NaN     0.25     2.50      0.7      NaN

---

weights.iloc[0]

的索引标签已经匹配了

df

的列，如果df的每一行都有相同的权重，那么真正的权重应该是一个系列，而不是一个数据帧，因为它的索引没有携带任何信息。因此：

In [152]: df["Wgt_sum"] = (df.fillna(1) * weights.iloc[0]).sum(axis=1)

In [153]: df
Out[153]: 
   Score_1  Score_2  Score 3  Score 4  Score_5  Wgt_sum
0      1.0      6.0      3.0     10.0      8.0     4.95
1      5.0      NaN      9.0      NaN      1.0     2.00
2     10.0      NaN      NaN      5.0      3.0     3.45

其中，

.iloc[0]

只是选择第一行权重

我们可以通过查看预和输出来确认其是否正确对齐：

In [165]: df.fillna(1) * weights.iloc[0]
Out[165]: 
   Score 3  Score 4  Score_1  Score_2  Score_5
0      NaN     0.50     0.25      4.2      NaN
1      NaN     0.05     1.25      0.7      NaN
2      NaN     0.25     2.50      0.7      NaN

---

weights.iloc[0]的索引标签

已经匹配了

df

的列，我说的

权重

数据帧的行数与

df

数据帧的行数相同，这是正确的吗？不幸的是，没有。到目前为止，它只由一行组成-但我当然认为可以使用相同的值对其进行扩展或更改，以获得相同的行数大小为df…我说的

weights

dataframe与

df

dataframe具有相同的行数是正确的吗？不幸的是，没有。到目前为止，它只由一行组成-当然，我认为可以使用相同的值扩展或更改它，以便具有与df相同的大小…Hi@DSM-这只会使用匹配的列？这样我就不会冒这样的风险：df.Score_1*weights.Score_1（正确）+df.Score_2*weights.Score_2（正确）+df.Score_3*weights.Score_4（错误）@gussilago:yep.@gussilago但它只在列名实际匹配的情况下才起作用（在数据框中称为

“Score 4”

，但在您的权重中它被称为

“Score_4”

）。您好@DSM-这会只使用匹配的列吗？这样我就不会冒这样的风险：df.Score_1*weights.Score_1（正确）+df.Score_2*weights.Score_2（正确）+df.Score_3*weights.Score_4（错误）@gussilago:yep.@gussilago但它只在列名实际匹配的情况下才起作用（在数据框中称为

“Score 4”

，但在你的体重中它被称为

“分数4”

）。