关于移除变量加权数据及按权重缩放指定变量的技术咨询

已获取的变量权重（不含Var2） #

以下是你拿到的各变量权重及对应倒数（方便参考）：

• Var1：权重 w=0.02480052，权重倒数 40.3217290
• Var3：权重 w=0.02657701，权重倒数 37.6264988
• Var4：权重 w=-0.37417694，权重倒数 2.6725324
• Var5：权重 w=1.30037139，权重倒数 0.7690111
• Var6：权重 w=0.73508732，权重倒数 1.3603826
• Var7：权重 w=0.02313702，权重倒数 43.2207787
• Var8：权重 w=0.64506139，权重倒数 1.5502400
• Var9：权重 w=0.10391410，权重倒数 9.6233330
• Var10：权重 w=0.34537472，权重倒数 2.8954059

核心处理逻辑 #

• 对上述有明确权重的变量，执行加权缩放：将变量的每一个观测值直接乘以对应的权重w即可完成缩放
• Var2因无权重值，直接忽略该变量，不参与本次加权操作

示例代码实现（以Python Pandas为例） #

假设你的原始数据存储在Pandas DataFrame（命名为raw_data）中，可按以下代码完成操作：

# 定义权重映射字典
weight_mapping = {
    "Var1": 0.02480052,
    "Var3": 0.02657701,
    "Var4": -0.37417694,
    "Var5": 1.30037139,
    "Var6": 0.73508732,
    "Var7": 0.02313702,
    "Var8": 0.64506139,
    "Var9": 0.10391410,
    "Var10": 0.34537472
}

# 筛选出需要加权的变量（自动排除Var2）
weighted_vars = [col for col in raw_data.columns if col in weight_mapping]

# 执行加权缩放
weighted_data = raw_data[weighted_vars].multiply(weight_mapping, axis=1)

# 如果需要保留原始数据中未参与加权的其他变量（非Var2），可自行合并
# weighted_data = pd.concat([weighted_data, raw_data.drop(weighted_vars + ["Var2"], axis=1)], axis=1)

内容的提问来源于stack exchange，提问作者Fakhra