NumPy加权平均报错：权重长度与指定轴不兼容问题求助

报错ValueError: Length of weights not compatible with specified axis.的核心原因是：当使用np.average(arr, axis=1)时，权重数组w的长度必须与arr的列数匹配，而非行数。你当前w的长度是6398（和行数一致），但arr的列数显然不等于6398，因此维度不兼容。

1. 先确认数组维度 #

运行以下代码查看arr的形状：

print(arr.shape)

输出会是(6398, n_cols)，其中n_cols是你的DataFrame的列数。再检查w的长度：

print(len(w))

两者必须相等才能用axis=1计算每行的加权平均。

2. 根据需求调整权重或参数 #

情况A：确实需要计算每行内元素的加权平均

• 如果你搞错了权重的维度：需要重新准备长度等于n_cols的权重数组，对应DataFrame每一列的权重。比如你的DataFrame有10列，就需要长度为10的w，再运行原代码：

  Tdfp1['pbs_monitor_public'] = np.average(arr, axis=1, weights=w)
  

• 如果你的w本来就是要给每行赋予一个权重（而非列）：那你可能误解了加权平均的逻辑。这种情况下，若要实现每行元素与对应权重的加权计算（比如加权求和后归一化），可以手动计算：

  # 假设arr是Tdfp1的数值数组，w是每行的权重
  weighted_sum = (arr * w.reshape(-1, 1)).sum(axis=1)
  Tdfp1['pbs_monitor_public'] = weighted_sum / w.sum()  # 按需选择是否归一化
  

情况B：实际需求是按列计算加权平均（用每行的权重）

如果你的目标是用每行的权重w计算每列的加权平均，并将结果作为新列重复到每行，可以这样做：

col_weighted_avg = np.average(arr, axis=0, weights=w)
Tdfp1['pbs_monitor_public'] = col_weighted_avg  # 会自动广播到每行

内容的提问来源于stack exchange，提问作者whSocks