如何逐行乘以数据帧

Question

您好，我正在尝试将一个数据帧与另一个数据帧中的一行相乘。

df1

Date	ABC	DEF	XYZ
2020-01-31	3	4	2
2020-02-31	1	3	5
2020-03-31	4	2	6
2020-04-31	2	2	7

df2

Year	ABC	DEF	XYZ
2020	.5	.4	.3

有没有办法在 DF1 的所有值上使用多个 DF2 以获得如下所示的 DF3。

df3

Date	ABC	DEF	XYZ
2020-01-31	1.5	1.6	.6
2020-02-31	.5	1.2	1.5
2020-03-31	2	.8	1.8
2020-04-31	1	.8	2.1

我试过了

df3.loc[:,['ABC','DEF','XYZ']] = df1.mul(df2, level=1,axis='columns')

但我最终会发现 df3 充满了 NaN。

Answer 1

cols = ['ABC', 'DEF', 'XYZ']
df3 = df1.copy()
df3[cols] = df3[cols].mul(df2[cols].values)

输出：

>>> df3
          Date  ABC  DEF  XYZ
0  2020-01-31   1.5  1.6  0.6
1  2020-02-31   0.5  1.2  1.5
2  2020-03-31   2.0  0.8  1.8
3  2020-04-31   1.0  0.8  2.1

这里的技巧不是乘以df2[cols]，而是乘以df2[cols].values。

Answer 2

df1.update(pd.DataFrame(df1.set_index('Date').values*df2.set_index('Year').values,columns=df1.iloc[:,-3:].columns))

输出

        Date  ABC  DEF  XYZ
0  2020-01-31  1.5  1.6  0.6
1  2020-02-31  0.5  1.2  1.5
2  2020-03-31  2.0  0.8  1.8
3  2020-04-31  1.0  0.8  2.1

它是如何工作的

df1.set_index('Date').values 给你一个数组，比如数组 a

df2.set_index('Year').values 给你数组 b

pd.DataFrame(a*b, columns=,columns=df1.iloc[:,-3:].columns) 给你一个新的df

df1.update(new df), 更新原始df

Answer 3

在将列 abc、def、xyz 乘以 df2 之前，您必须复制 df1。用相乘的值更新这些列的值

df1="""
Date    ABC DEF XYZ
2020-01-31  3   4   2
2020-02-31  1   3   5
2020-03-31  4   2   6
2020-04-31  2   2   7
"""
df2="""
Year    ABC DEF XYZ
2020    .5  .4  .3
"""

def create_df(df):
    df=df.strip().split('\n')
    df=list(map(lambda x: x.strip().split('\t'),df))
    df=pd.DataFrame(df[1:],columns=df[0])
    return df

df1=create_df(df1)
df1['ABC']=df1['ABC'].astype(float)
df1['DEF']=df1['DEF'].astype(float)
df1['XYZ']=df1['XYZ'].astype(float)
df2=create_df(df2)
df2['ABC']=df2['ABC'].astype(float)
df2['DEF']=df2['DEF'].astype(float)
df2['XYZ']=df2['XYZ'].astype(float)

cols = ['ABC', 'DEF', 'XYZ']
df3 = df1.copy()
df3[cols]=df1[cols].mul(df2[cols].values)
print(df3)

输出

         Date  ABC  DEF  XYZ
0  2020-01-31  1.5  1.6  0.6
1  2020-02-31  0.5  1.2  1.5
2  2020-03-31  2.0  0.8  1.8
3  2020-04-31  1.0  0.8  2.1