请求协助：将基于NumPy数组的计算迁移至Pandas DataFrame

原NumPy代码逻辑说明 #

原代码实现了以下计算流程：

• matrix_data是5×5×5的三维数组，维度对应(year, state, feature)（year/state/feature编号均为0-4）
• customers是3×5的二维数组，每行代表一个客户：数组中对应客户state的位置填充amount值，其余位置为0
• 提取matrix_data中指定年份（years）的层，得到3×5×5的子数组
• 将customers扩展为3×5×1的三维数组，与提取的子数组逐元素相乘
• 沿state维度（axis=1）求和，最终得到3×5的结果，每行对应一个客户的各feature汇总值

用customer_data DataFrame复现步骤 #

1. 从DataFrame构建客户状态-金额数组 #

把customer_data中的state和amount转换成与原customers结构一致的数组（假设state是1-based编号，需转成0-based索引对应数组列）：

import pandas as pd
import numpy as np

# 保留原matrix_data定义
matrix_data = np.arange(125).reshape(5,5,5)

# 用户的customer_data DataFrame
customer_data = pd.DataFrame({
    "cust_id": ['x111', 'x222', 'x333'],
    "state": [2,3,2],
    "amount": [1,2,5],
    "year":[2 ,3, 4]
})

# 构建客户状态-金额数组
num_states = 5
customers_array = np.zeros((len(customer_data), num_states))
# 向量化操作填充值（避免循环）
state_indices = customer_data['state'] - 1  # 1-based转0-based索引
customers_array[np.arange(len(customer_data)), state_indices] = customer_data['amount'].values

2. 提取对应年份的matrix_data层 #

直接从`customerGame store Buildings-links的 Wide侧子几IA施舍veryJW**，不对，直接提取：

selected_years = customer_data['year'].values
matrix_selected = matrix_data[selected_years]

3. 执行核心计算 #

和原NumPy代码逻辑完全一致：

# 扩展维度以匹配matrix_selected的形状
customers_expanded = customers_array[:, :, None]
# 逐元素相乘后沿state维度求和
result = (customers_expanded * matrix_selected).sum(axis=1)

可选：将结果关联回原DataFrame #

如果需要把计算结果和客户信息绑定，可以合并成新的DataFrame：

# 将结果转为DataFrame，命名feature列
result_df = pd.DataFrame(result, columns=[f'feature_{i}' for i in range(5)])
# 和原数据合并
final_df = pd.concat([customer_data, result_df], axis=1)

结果验证 #

生成的customers_array与原customers数组完全一致，selected_years也和原years参数匹配，因此最终result与原代码的计算结果完全相同。

内容的提问来源于stack exchange，提问作者user1000x