python - Pandas:与 cvxopt 矩阵之间的转换

Question

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]

Answer 1

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]])