我将数字数据存储在两个数据帧x和y中。numpy的内部产品有效，但pandas的dot产品无效
[63]on
：x.shape
Out[63]：（1062,36）
In[64]：y形
Out[64]：（36,36）
In[65]：np.内（x，y）.形
Out[65]：（1062L，36L）
In[66]：x.dot（y）
---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
<；ipython-input-66-76c015be254b>；在<；模块>；()
----&燃气轮机；1 x点（y）
C:\Programs\WinPython-64bit-2.7.3.3\python-2.7.3.amd64\lib\site packages\pandas\core\frame.pyc（自身，其他）
888如果（len（普通）>；len（自列）或
889 len（普通）和gt；len（其他索引））：
--&燃气轮机；890提升值错误（'矩阵未对齐'）
891
892 left=self.reindex（列=common，副本=False）
ValueError:矩阵未对齐
这是一个错误还是我用熊猫错了
不仅x和y的形状必须正确，而且
x的列名必须与y的索引名匹配。否则
pandas/core/frame.py中的此代码将引发ValueError：
如果存在（其他，（系列，数据帧））：
common=self.columns.union（其他.index）
if（len（公共）>；len（自列）或
len（普通）>；len（其他索引））：
raise VALUERROR（'矩阵未对齐'）
如果只想计算矩阵积，而不使x的列名与y的索引名匹配，则使用NumPy dot函数：
np.dot（x，y）
x的列名必须与y的索引名匹配的原因是，pandasdot方法将重新索引x和y，因此如果x的列顺序与y的索引顺序不自然匹配，在执行矩阵积之前，将使其匹配：
left=self.reindex（columns=common，copy=False）
右=其他.reindex（索引=公共，副本=假）
NumPydot函数不做这样的事情。它将根据底层数组中的值计算矩阵积
下面是一个重现错误的示例：
将熊猫作为pd导入
将numpy作为np导入
columns=['col{}'。范围（36）中i的格式（i）]
x=pd.DataFrame（np.random.random（（1062,36）），columns=columns）
y=pd.DataFrame（np.random.random（（36,36）））
打印（np.点（x，y）.形状）
# (1062, 36)
打印（x点（y）形状）
#ValueError:矩阵未对齐