给定一个 Pandas 数据框,转换为 cvxopt 矩阵或反之的最佳方法是什么(可读性或执行速度)?
目前我在做:
cvxMat = matrix(pdObj.as_matrix())
pdObj[:]=np.array(cvxMat)
此外,是否有一种合理可读的方式来混合使用 cvxopt 矩阵和 pandas 数据帧来计算向量或矩阵代数而不转换对象?
下面是一个向量点积(pdObj 和 cvxMat 是列向量),可读性差:
(matrix(pdObj.as_matrix()).T*cvxMat)[0]
有什么建议吗?
waitingkuo回答的后续:
仅用于 pandas 数据框的说明:
>>> m1 = cvxopt.matrix([[1, 2, 3], [2, 3, 4]])
>>> m2 = pd.DataFrame(np.array(m1)).T
>>> m1
<3x2 matrix, tc='i'>
>>> m2.shape
(2, 3)
>>> np.dot(m1,m2)
array([[ 5, 8, 11],
[ 8, 13, 18],
[11, 18, 25]])
但注意:
>>> m1 * m2
0 1 2
0 1 4 9
1 4 9 16
[2 rows x 3 columns]
请您参考如下方法:
你可以通过 pdObj.values 从 pandas 获取 numpy 数组
你可以直接在cvxopt矩阵和numpy矩阵之间进行矩阵乘法
In [90]: m1 = cvxopt.matrix([[1, 2, 3], [2, 3, 4]])
In [91]: m2 = np.matrix([[1, 2, 3], [2, 3, 4]])
In [92]: m1
Out[92]: <3x2 matrix, tc='i'>
In [94]: m2.shape
Out[94]: (2, 3)
In [95]: m1 * m2
Out[95]:
matrix([[ 5, 8, 11],
[ 8, 13, 18],
[11, 18, 25]])
