Skip to main content
 首页 » 编程设计

python之数组/数据帧的 numpy/pandas 有效乘法

2024年11月01日7exmyth

我有两个 pandas 数据框,如下所示:

import pandas as pd 
 
df_one = pd.DataFrame( { 
    'A': [1,1,2,3,4,4,4], 
    'B1': [0.5,0.0,0.2,0.1,0.3,0.2,0.1], 
    'B2': [0.2,0.3,0.1,0.5,0.3,0.1,0.2], 
    'B3': [0.1,0.2,0.0,0.9,0.0,0.3,0.5]} ); 
df_two = pd.DataFrame( { 
    'A': [1,2,3,4], 
    'C1': [1.0,9.0,2.1,9.0], 
    'C2': [2.0,3.0,0.7,1.1], 
    'C3': [5.0,4.0,2.3,3.4]} ); 
 
df_one 
   A   B1   B2   B3 
0  1  0.5  0.2  0.1 
1  1  0.0  0.3  0.2 
2  2  0.2  0.1  0.0 
3  3  0.1  0.5  0.9 
4  4  0.3  0.3  0.0 
5  4  0.2  0.1  0.3 
6  4  0.1  0.2  0.5 
 
df_two 
   A   C1   C2   C3 
0  1  1.0  2.0  5.0 
1  2  9.0  3.0  4.0 
2  3  2.1  0.7  2.3 
3  4  9.0  1.1  3.4 

我想做的是计算一个标量积,我将第一个数据帧的行乘以第二个数据帧的行,即 \sum_i B_i * C_i,但是只有当 A 列的值在两个帧中匹配时,第一个数据帧中的一行才会乘以第二个数据帧中的一行。我知道如何循环并使用 if's,但我想以更有效的类似 numpy 或类似 pandas 的方式来做到这一点。非常感谢任何帮助:)

请您参考如下方法:

不确定您是否需要 A 列的唯一值(如果需要,请对下面的结果使用 groupby)

pd.merge(df_one, df_two, on='A') 
   A   B1   B2   B3   C1   C2   C3 
0  1  0.5  0.2  0.1  1.0  2.0  5.0 
1  1  0.0  0.3  0.2  1.0  2.0  5.0 
2  2  0.2  0.1  0.0  9.0  3.0  4.0 
3  3  0.1  0.5  0.9  2.1  0.7  2.3 
4  4  0.3  0.3  0.0  9.0  1.1  3.4 
5  4  0.2  0.1  0.3  9.0  1.1  3.4 
6  4  0.1  0.2  0.5  9.0  1.1  3.4 
 
    pd.merge(df_one, df_two, on='A').apply(lambda s: sum([s['B%d'%i] * s['C%d'%i] for i in range(1, 4)]) , axis=1) 
0    1.40 
1    1.60 
2    2.10 
3    2.63 
4    3.03 
5    2.93 
6    2.82