如何在 python 中正确复制 excel sumproduct 函数？

Question

我有一个如下所示的数据框，我需要计算平均权重。在 Excel 中，如果我使用 sumproduct 函数，我将得到 15.25 的结果。但是，当我使用以下代码时，它给了我 0。如何在代码中更正此问题？

import pandas as pd
df1 = { 'product1':['N/A'],
  'product2':[15.25],
  'p1 weight':[0],
  'p2 weight':[4]}

df1=pd.DataFrame(df1)
df1.fillna(0,inplace=True)


cols_left = [c for c in df1.columns if 'product' in c]
cols_right = [c for c in df1.columns if 'weight' in c]

result = (df1[cols_left] * df1[cols_right]).sum(axis=1) / df1[cols_right].sum(axis=1)
df1['result'] = result

结果如下

请注意，我必须使用 cols_left 和 cols_right 方法，因为在我的实际工作情况下，我有 +100 列需要根据相应的列进行加权平均计算。

我没有像df1['result1'] = (df1['product1'] * df1['p1 weight'] + df1['product2'] * df1['p2 weight'] )/ df1['p1 weight'] + df1['p2 weight'] 那样进行硬编码，而是在和积计算之前将 cols_left 和 cols_right 中的所有相应列分别分组。

非常感谢任何建议。

Answer 1

麻木的方法：

以下示例的 df1 在我的答案的最后一部分中定义

解决这个问题的 numpy 方法是先使用 np.nanprod，然后使用 .sum()。这个答案的灵感来自this StackOverflow solution。

A = df1.iloc[:,:2].values
B = df1.iloc[:,2:].values

num = np.nanprod(np.dstack((A,B)),2).sum(1)
den = df1.iloc[:,2:].sum(1)

df1['sumproduct'] = num/den
print(df1)

   product1  product2  p1 weight  p2 weight  sumproduct
0       NaN     15.25          0          4       15.25
1      10.0     10.00          2          3       10.00
2       8.0      2.00          5          1        7.00

熊猫方法：

Pandas 的方式可能有点复杂，因为 pandas.DataFrame.dot（这基本上是您想要的总和）不会为您提供具有不同列名的数据框的很大灵活性。但是，您可以将 pandas.groupby 与自定义石斑鱼一起使用来轻松完成产品。

尝试这种受this StackOverflow answer启发的方法-

num_base_cols = 2 #number of columns per group
num_repeat = 2 #number of such groups

col_groups = np.tile(np.arange(num_base_cols), num_repeat) #[0,1,0,1] grouper

num = df1.groupby(col_groups, axis=1).prod().sum(1)
den = df1.iloc[:,2:].sum(1)

df1['sumproduct'] = num/den
print(df1)

   product1  product2  p1 weight  p2 weight  sumproduct
0       NaN     15.25          0          4       15.25
1      10.0     10.00          2          3       10.00
2       8.0      2.00          5          1        7.00

---

聚苯乙烯- 我将此数据框与一些添加的行一起使用来演示上述解决方案。此外，我使用正确的 np.nan 而不是 NAN 字符串来实现真实的虚拟输入。

import pandas as pd
import numpy as np   #for adding proper Nans instead of strings

## added a few more rows for testing ##
#######################################
df1 = { 'product1':[np.nan,10,8],
        'product2':[15.25,10,2],
        'p1 weight':[0,2,5],
        'p2 weight':[4,3,1]}

df1=pd.DataFrame(df1)
#######################################

Answer 2

Pandas 支持（并强制执行）数据对齐。当您将一个操作应用于两个数据框时，该操作将应用于具有相同索引（名称）的行和列，而不是在相同的位置。要将操作应用于具有不同名称的一对列，您应该从它们中提取底层的 numpy 数组：

# Clean the NAs
import numpy as np
df1.replace("N/A", np.nan, inplace=True)

(df1[cols_left].fillna(0).values * df1[cols_right].values).sum() / df1[cols_right].sum(1)
#0    15.25

请注意，nan * 0 仍然是 nan。您必须将 nans 转换为有限数字（例如，转换为 0）以获得数字结果。