Python 多指标数列点积

我有一个包含多组数组的系列

import pandas as pd

idx = ['a', 'b', 'c']
w = pd.Series(data=[10, 5, 20, 6, 8, 5], 
              index=pd.MultiIndex.from_product([['foo', 'bar'], idx]))
w
Out[5]: 
foo  a    10
     b     5
     c    20
bar  a     6
     b     8
     c     5

因此，

foo

是一个数组，

bar

是另一个数组。我想用相关矩阵乘以

foo

和

bar

。基本上我想计算

（w*m*w）**.5

m = pd.DataFrame({idx[0]: [1.0, 0.5, 0.2],
                  idx[1]: [0.5, 1.0, 0.3],
                  idx[2]: [0.2, 0.3, 1.0]},
                 index=idx)

我两个都试过了

 w.groupby(level=0).apply(lambda x: m.dot(x).dot(x)**.5)

及

两者都导致了

ValueError: matrices are not aligned

预期的结果应该是这样的

foo  26.739483914241877
bar  14.45683229480096

我猜这与

w

有一个多索引这一事实有关。在单个数组上执行相同的操作会得到预期的结果

v = pd.Series(data=[10, 5, 20], index=idx)

m.dot(v).dot(v)**.5
Out[9]: 26.739483914241877

你有什么想法可以让它工作吗

---

编辑 使用一种变通方法，在函数中去掉最外层的多索引，我让它工作起来。我仍然对其他可能更清洁的解决方案持开放态度

def calc(v, m):
    # Copy v and make a new index, dropping outmost index.
    u = v.copy()
    u.index = v.index.droplevel(0)
    return m.dot(u).dot(u)**.5

w.groupby(level=0).apply(lambda x: calc(x,m))
Out[13]: 
bar    14.456832
foo    26.739484
dtype: float64

---

使用

重塑

功能将多索引序列转换为矩阵的更简洁方法可能有助于：

q = w.values.reshape(3,2)
q

输出变为

array([[10,  5],
       [20,  6],
       [ 8,  5]], dtype=int64)

---

然而，不幸的是，我无法重现该解决方案。

这里是一种简单的方法，尽管在重塑阵列时需要一些手动操作。如果你觉得这个答案很有用，我可以为你实现自动化

#首先定义要使用的简单函数
def校准点（阵列，m）：
返回m.dot（数组）.dot（数组）**.5
#然后，剩下的就变得微不足道了
name=w.index.droplevel（1）.unique（）
#注意：您需要手动设置阵列的重塑
pd.系列（[计算w值中x的点（x，m）重塑（2,3）]，索引=名称）

您是否尝试使用numpy库轻松进行矩阵运算？我知道numpy。出于各种原因，我更喜欢使用索引（'a'，'b'，'c'），这就是为什么我想坚持使用熊猫。但是谢谢你的建议。如果你分享矩阵点运算的数学符号和预期结果，而不是熊猫，任何帮助可能会更容易。因为矩阵没有对齐。我想友好地提醒你，你可以从这个计算器模拟你的计算：如果你没有得到任何错误，我们可以很容易地理解没有算术错误，那么我们可以专注于代码。请复制页面的链接来计算：是的。这很有效。我唯一的问题是，索引不一定是经过排序的。通过将索引保持在

x

（在您的列表理解中），

dot

-函数自动对齐

x

和

m

。由于

x

只是值，因此它不一定与索引上的

m

对齐。我承认在最初的问题中没有提到这一点。你这是什么意思？Foo和bar是你索引它们的方式，这就是为什么第一个是Foo，另一个是bar。你需要把这个分类吗？您的预期输出表明不是这样。原则上是的。真正的索引（这是一个构造的示例）不是a、b和c，列的顺序也不是字母顺序。但是是的。排序可以解决它。你知道怎么分类吗？对我来说似乎不太难：）是的。我希望利用我提到的关于点与索引对齐等等的东西。。。但这只是吹毛求疵。你的解决方案有效。

array([[10,  5],
       [20,  6],
       [ 8,  5]], dtype=int64)