尽管像Scikit-learn这样的库提供了整体互信息度量(通过直方图),但我发现很容易使用框架或现有代码来计算Pointwise Mutual Information(Wiki PMI) . 这是在Python和熊猫的背景下!
我的问题:
我有一个DataFrame,每行有一系列[x,y]示例,并希望根据公式(或更简单的公式)计算一系列PMI值:
PMI(x, y) = log( p(x,y) / p(x) * p(y) )
到目前为止,我的方法是:
def pmi_func(df, x, y):
df['freq_x'] = df.groupby(x).transform('count')
df['freq_y'] = df.groupby(y).transform('count')
df['freq_x_y'] = df.groupby([x, y]).transform('count')
df['pmi'] = np.log( df['freq_x_y'] / (df['freq_x'] * df['freq_y']) )
这会给出有效和/或有效的计算吗?
样本I / O:
x y PMI
0 0 0.176
0 0 0.176
0 1 0
2 回答
解决方案(使用SKlearn KDE替代方案):
请评论审查
我会加三位 .
应使用
df.groupby(x)[x].transform('count')
和df.groupby(y)[y].transform('count')
,以便仅重新计数 .np.log(len(df.index) * df['f_xy'] / (df['f_x'] * df['f_y'])
要使用的概率 .处理数据帧的副本,而不是修改输入数据帧 .