我的数据框有两列，平均值为Team_A和Team_B在比赛中进球。对于每一行，我想创建一个3 x 3的矩阵，该矩阵使用泊松分布覆盖所有可能的得分线。 这是我数据的前几行，
d = {'Team_A':[2.0160, 1.3421, 2.4654, 3.0281], 'Team_B':[0.0653, 1.5641, 4.0241, 1.2375]}
df = pd.DataFrame(data=d)
因此，来自第一行的A组应该以{{1}}赢得比赛。假设分数是独立的，并且在一定间隔内发生，并使用泊松分布公式
score [2-0] (rounded to nearest integer) P(k wins in interval) = ((lambda**k) * exp(-lambda))/factorial(k)
k = [0,1,2,3]下表是通过上述概率的逐元素乘法构造的。
Team A scores 0, 1, 2 and 3 goals with prob. [0.1332, 0.2685, 0.2707, 0.1819] respectively.
And, Team B scores 0, 1, 2 and 3 goals with [0.5205, 0.3399, 0.1110, 0.0242] probabilities.
问题
我不知道如何编写遍历每一行并创建3 x 3矩阵的python函数。
答案 0 :(得分：1)
我不知道如何编写遍历每一行的python函数 并创建一个3 x 3矩阵。
我知道您已经处理了问题的统计部分（例如根据泊松分布计算概率），对吗？
如果是这样，则可以使用itertools product创建表。
假设prob_a和prob_b是两个数组，分别包含团队A和团队B的概率。矩阵是通过以下方式构建的：
from itertools import product
import numpy as np
prod_table = np.array([(i*j) for i, j in product(prob_b, prob_a)])
prod_table.shape = (4, 4)
现在您有了一个4x4矩阵，其中包含您需要的所有值，您可以将其转换回熊猫数据框。
在此表中，团队A概率是列索引，团队B概率是行索引（应与您的示例匹配）。因此，要获得熊猫数据框，您可以执行以下操作：
prob_df = pd.DataFrame(prod_table, index=prob_b, columns=prob_a)
这是您要查找的表。
答案 1 :(得分：0)
我将使用numpy进行简单的线性代数运算（例如，将小矩阵相乘）。
如果您已经有想要的形状的数据框，则可以轻松地将其转换为numpy.ndarray。
否则，您将要创建一个零的ndarray，然后在正确的位置插入正确的元素。