将具有不同但相似的索引和列的两个多索引数据帧相乘

Question

请考虑这两个数据框。

import pandas as pd
cols = ['F', 'D']

s_ind = pd.MultiIndex.from_arrays([['A', 'A', 'A'], ['B', 'B', 'B'], ['C', 'C', 'C'], ['D', 'E', 'F']],
                                  names=('cat1', 'cat2', 'cat3', 'cat4'))
s = pd.DataFrame(data=[[1,4], [2,5], [3,6]], columns=cols, index=s_ind)

所以 s 是：

                      F  D
cat1 cat2 cat3 cat4      
A    B    C    D     1  4
               E     2  5
               F     3  6

还有……

ib_ind = pd.MultiIndex.from_arrays([['A'], ['B'], ['C']], names=['cat1', 'cat2', 'cat3'])
ib = pd.DataFrame(data=[[7, 8]], columns=cols, index=ib_ind)

所以 ib 是：

                 F  D
cat1 cat2 cat3      
A    B    C     7  8

无论我使用轴 0（显示）还是轴 1（未显示）相乘，我都会收到相同的结果。见这里：

print(ib.mul(s, axis=0))
                      F   D
cat1 cat2 cat3 cat4        
A    B    C    D      7  32
               E     14  40
               F     21  48

问题：如何执行乘法以将其作为输出接收？

print(pd.DataFrame(data=[[8*1,8*4], [0,0], [7*3,7*6]], columns=cols, index=s_ind))
                      F   D
cat1 cat2 cat3 cat4        
A    B    C    D      8  32
               E      0   0
               F     21  42

注意，E 行是 0，因为 ib 中没有对应的 E 列可以相乘。或者，nans 也可以。

Answer 1

您可以尝试unstack 为s 和multiply ib 和level=1 上axis=1 ，然后stack 它返回和reindex 和fill_value=0

final = ib.mul(s.unstack(),level=1,axis=1).stack().reindex(s.index,fill_value=0)
# or: ib.mul(s.unstack('cat4'),level=1,axis=1).stack().reindex(s.index,fill_value=0)

@piRSquared 建议的另一种方法是仅重新整形一次（因此速度更快）是 rename 在相乘时要匹配的索引的索引，然后是 stack 和 reindex 相乘后：

s.mul(ib.rename_axis('cat4', axis=1).stack().reindex(s.index, fill_value=0), axis=0) 

---

                        F     D
cat1 cat2 cat3 cat4            
A    B    C    D      8.0  32.0
               E      0.0   0.0
               F     21.0  42.0