Question

我正在使用：x = pd.DataFrame(np.random.randint(0,10,size=(20, N)))和N>5000和y = np.random.dirichlet(np.ones(20),size=1)。

我正在每个x列和y（这是权重列表，总和为1）之间执行矩阵乘积，最后得到N个元素的数组，所以我使用x.T.dot(y)。

现在，我想修改矩阵乘积的计算方式：对于X的当前列上的每个0，我们通过不考虑乘以0的权重来对y进行加权。将其平均分配到权重之间，该权重将与不等于0的值相乘，因此列表的总和仍为1。

结构较小的示例

x

       a1   a2   a3
b1     1    5    6
b2     3    0    0
b3     9    7    0

和y = [0.3, 0.5, 0.2]

预期输出：[3.6, 5.9, 6]

步骤1：没有零->简单加权平均值(0.3*1+0.5*3+0.2*9 = 3.6)

步骤2：(b2,a2) = 0使y变成[0.55, 0, 0.45]和0.55*5+0.45*7 = 5.9

第3步：(b2,a3) & (b3,a3) = 0，因此y变成[1, 0, 0]，总数为6。

特异性：构建数据帧的结构，例如当存在0时，同一行中的以下单元格将等于0。

Answer 1

您可以通过堆叠A来构建形状与y相同的新矩阵，使用遮罩对其进行调整，然后对列进行元素明智的乘法和求和：

y= np.array([0.3, 0.5, 0.2])
A = np.array([[1, 5, 6],
       [3, 0, 0],
       [9, 7, 0]])
m = A == 0
new_y = np.repeat(y,A.shape[1]).reshape(A.shape)
new_y = (new_y + (new_y*m).sum(axis=0)/(~m).sum(axis=0))*~m
result = (new_y * A).sum(axis=0)
result
>> array([3.6 5.9 6. ])

根据条件执行矩阵乘积的最佳方法

1 个答案: