Question

假设一个数据帧 df ，使用大小为n x m的pandas。

我想在 df 上执行线性代数运算。

到目前为止，我无法找到在 df 上直接执行线性代数的方法。我能找到的是如何使用以下方法将 df 从pandas格式转换为Numpy：

A = DataFrame.as_matrix

然后我可以简单地做

linalg.inv(A)

是否有使用pandas数据帧在Scipy中执行线性操作的直接方法？例如：

linalg.inv(df)

我想使用scipy代替Numpy的线性代数运算的原因是基于：

无论如何，SciPy包含更多全功能版本的线性代数模块，以及许多其他数值算法。如果你使用python进行科学计算，你应该安装NumPy和SciPy。大多数新功能属于SciPy而非NumPy。

来自What-is-the-difference-between-NumPy-and-SciPy

Answer 1

您可以直接在DataFrame上使用它。

演示：

In [111]: from scipy.linalg import inv

In [112]: df = pd.DataFrame(np.random.rand(5,5), columns=list('abcde'))

In [113]: df
Out[113]:
          a         b         c         d         e
0  0.619086  0.229390  0.361611  0.857177  0.274983
1  0.389630  0.689562  0.687043  0.388781  0.781168
2  0.702920  0.253870  0.881173  0.858378  0.363035
3  0.007022  0.571111  0.408729  0.708862  0.042882
4  0.876747  0.170775  0.499824  0.929295  0.762971

In [114]: inv(df)
Out[114]:
array([[ 5.67652746,  1.54854922, -0.21927114, -3.04884324, -3.35567433],
       [ 4.32996215,  1.99787442, -1.18579234, -0.9802008 , -2.98677673],
       [-2.43833426, -0.29287732,  2.11691208,  0.34655505,  0.1519223 ],
       [-1.92398165, -1.43903773, -0.22722582,  1.96404685,  2.16451337],
       [-3.55144126, -0.28205091, -0.59264783,  1.10366465,  3.09938364]])

PS我使用Pandas 0.19.2和SciPy 0.18.1进行此演示。

更新：如果您想获得DataFrame：

In [4]: pd.DataFrame(inv(df), columns=df.columns, index=df.index)
Out[4]:
          a         b         c         d         e
0  5.676507  1.548541 -0.219275 -3.048828 -3.355657
1  4.329938  1.997865 -1.185791 -0.980187 -2.986760
2 -2.438323 -0.292872  2.116913  0.346547  0.151914
3 -1.923971 -1.439034 -0.227226  1.964040  2.164506
4 -3.551428 -0.282045 -0.592647  1.103655  3.099373

使用带有Scipy的pandas数据框

1 个答案: