在pandas数据帧的列上运行函数的有效方法？

Question

我想在Pandas数据帧的列上运行一个函数。 语料库是pd.数据帧在

import pandas as pd 
import numpy as np
from scipy.spatial.distance import cosine

corpus = pd.DataFrame([[3,1,1,1,1,60],[2,2,0,2,0,20], [0,2,1,1,0,0], [0,0,2,1,0,1],[0,0,0,0,1,0]],index=["stark","groß","schwach","klein", "dick"],columns=["d1", "d2", "d3","d4","d5","d6"])

我有疑问。查询是熊猫系列。在

^{pr2}$

现在我想对语料库和查询中的每一列运行余弦函数。在

for column in corpus:
print("Similarity of Documents", column," and query: \n" ,1-cosine(query, corpus[column]))

有没有更好的方法在列上运行余弦函数？可能是某个方法，它获取列并在每个列上运行函数。我想避免for循环。在

Answer 1

您还可以使用cosine的定义并自己实现

pandas

corpus.T.dot(query) / (corpus ** 2).sum() ** .5 / (query ** 2).sum() ** .5

d1    0.980581
d2    0.707107
d3    0.288675
d4    0.801784
d5    0.500000
d6    0.894315
dtype: float64

---

numpy

^{pr2}$

根据@Divakar的建议
np.einsum

c = corpus.values
q = query.values

r = (
        np.einsum('ji,j->i', c, q) /
        np.einsum('ij,ij->j', c, c) ** .5 /
        np.einsum('i,i', q, q) ** .5
    )

pd.Series(r, corpus.columns)

d1    0.980581
d2    0.707107
d3    0.288675
d4    0.801784
d5    0.500000
d6    0.894315
dtype: float64