pandas：如何广播乘以向量*矩阵*向量，columns-wise
pandas: how to broadcast multiply by vector * matrix * vector, columns-wise
python 3.5.2; pandas0.23.4；麻木的 1.15.4；在 windows
我正在尝试找到一种有效的方法来执行 pandas 逐个向量乘法向量，例如：
np.random.seed(43)
w_ = np.random.uniform(size=(3,5))
# the vector w
w = pd.DataFrame(w_/w_.sum(axis=0), index=['a', 'b', 'c'])
# the matrix cov
cov = pd.DataFrame(np.cov(np.random.randn(3,100)), index=r.index, columns=r.index)
计算：
对于 w 的每一列，我使用：
r = [w.iloc[:,i].T.dot(cov.dot(w.iloc[:, i])) for i in range(w.shape[1])]
给出：
[0.5073635209626383, 0.3262776109704286, 0.45469128089985883, 0.5226072271864488, 0.35602577932396257]
这很好，但是我正在寻找一种比列表推导式或 lambda 函数更有效、更优雅的方法来执行此操作。
您可以使用 np.diag:
In [11]: np.diag(w.T.dot(cov.dot(w)))
Out[11]: array([0.50736352, 0.32627761, 0.45469128, 0.52260723, 0.35602578])
In [12]: r
Out[12]:
[0.5073635209626383, 0.32627761097042857, 0.45469128089985883,
0.5226072271864487, 0.3560257793239626]
python 3.5.2; pandas0.23.4；麻木的 1.15.4；在 windows
我正在尝试找到一种有效的方法来执行 pandas 逐个向量乘法向量，例如：
np.random.seed(43)
w_ = np.random.uniform(size=(3,5))
# the vector w
w = pd.DataFrame(w_/w_.sum(axis=0), index=['a', 'b', 'c'])
# the matrix cov
cov = pd.DataFrame(np.cov(np.random.randn(3,100)), index=r.index, columns=r.index)
计算： 对于 w 的每一列，我使用：
r = [w.iloc[:,i].T.dot(cov.dot(w.iloc[:, i])) for i in range(w.shape[1])]
给出：
[0.5073635209626383, 0.3262776109704286, 0.45469128089985883, 0.5226072271864488, 0.35602577932396257]
这很好，但是我正在寻找一种比列表推导式或 lambda 函数更有效、更优雅的方法来执行此操作。
您可以使用 np.diag:
In [11]: np.diag(w.T.dot(cov.dot(w)))
Out[11]: array([0.50736352, 0.32627761, 0.45469128, 0.52260723, 0.35602578])
In [12]: r
Out[12]:
[0.5073635209626383, 0.32627761097042857, 0.45469128089985883,
0.5226072271864487, 0.3560257793239626]