Question

R numpy等效的pandas或sweep()是什么？

详细说明：在R中假设我们有一个系数向量（比如beta - 数字类型）和一个数组（比如数据 - 20x5数字类型）。我想在数组的每一行上叠加向量并乘以相应的元素。然后返回结果（20x5）数组，我可以使用sweep()实现此目的。在下面找到示例R代码。

beta <-  c(10, 20, 30, 40)
data <- array(1:20,c(5,4))
sweep(data,MARGIN=2,beta,`*`)
#---------------
 > data
      [,1] [,2] [,3] [,4]
 [1,]    1    6   11   16
 [2,]    2    7   12   17
 [3,]    3    8   13   18
 [4,]    4    9   14   19
 [5,]    5   10   15   20

 > beta
 [1] 10 20 30 40

 > sweep(data,MARGIN=2,beta,`*`)
      [,1] [,2] [,3] [,4]
 [1,]   10  120  330  640
 [2,]   20  140  360  680
 [3,]   30  160  390  720
 [4,]   40  180  420  760
 [5,]   50  200  450  800

我在Python中听到过关于numpy和pandas的令人兴奋的事情，它似乎有很多R个命令。使用这些库实现相同目标的最快方法是什么？实际数据有数百万行和大约50列。 β矢量当然与数据一致。

Answer 1

熊猫也有一种应用方法，适用于R＆＃39的扫描在引擎盖下使用。（注意，MARGIN参数是＆＃34;等同于＆＃34;到许多pandas函数中的axis参数，除了它takes values 0 and 1 rather than 1 and 2）。

In [11]: np.random.seed = 1

In [12]: beta = pd.Series(np.random.randn(5))

In [13]: data = pd.DataFrame(np.random.randn(20, 5))

您可以对每行调用一个函数使用apply：

In [14]: data.apply(lambda row: row * beta, axis=1)

注意：axis = 0将适用于每一列，这是默认值，因为数据按列存储，因此逐列操作更有效。

然而，在这种情况下，只需逐行增加就可以轻松地使明显更快（并且更具可读性）进行矢量化：

In [21]: data.apply(lambda row: row * beta, axis=1).head()
Out[21]:
          0         1         2         3         4
0 -0.024827 -1.465294 -0.416155 -0.369182 -0.649587
1  0.026433  0.355915 -0.672302  0.225446 -0.520374
2  0.042254 -1.223200 -0.545957  0.103864 -0.372855
3  0.086367  0.218539 -1.033671  0.218388 -0.598549
4  0.203071 -3.402876  0.192504 -0.147548 -0.726001

In [22]: data.mul(beta, axis=1).head()  # just show first few rows with head
Out[22]:
          0         1         2         3         4
0 -0.024827 -1.465294 -0.416155 -0.369182 -0.649587
1  0.026433  0.355915 -0.672302  0.225446 -0.520374
2  0.042254 -1.223200 -0.545957  0.103864 -0.372855
3  0.086367  0.218539 -1.033671  0.218388 -0.598549
4  0.203071 -3.402876  0.192504 -0.147548 -0.726001

注意：这比使用*稍微强一些/允许更多控制。

你可以在numpy（即data.values这里）做同样的事情，或者直接相乘，这会更快，因为它不担心数据对齐，或使用vectorize而不是应用

Answer 2

在numpy中，这个概念被称为＆＃34;广播＆＃34;。例如：

import numpy as np
x = np.random.random((4, 3))
x * np.array(range(4))[:, np.newaxis] # sweep along the rows
x + np.array(range(3))[np.newaxis, :] # sweep along the columns

Answer 3

这会更快吗？

t(t(data) * beta)

此处还有其他一些很好的答案，其中包含了Multiply rows of matrix by vector?

最后回答你关于numpy的问题。使用此参考（搜索矩阵乘法） http://mathesaurus.sourceforge.net/r-numpy.html

Python numpy或pandas相当于R函数sweep（）

3 个答案: