将 pd.Series 向量与多索引 pd.Dataframe 相乘答案

【问题标题】：Multiplying a pd.Series vector against a multindex pd.Dataframe将 pd.Series 向量与多索引 pd.Dataframe 相乘
【发布时间】：2019-10-12 19:34:12
【问题描述】：

我有一个熊猫系列和一个熊猫多索引数据框。

这是一个简单的例子：

iterables = [['milk', 'honey', 'dates'], ['jan', 'feb', 'mar', 'apr']]
i = pd.MultiIndex.from_product(iterables, names=['good', 'month'])
xf = pd.DataFrame(index = i)
xf['price'] = np.random.randint(1, 25, xf.shape[0])

allocation_vector = pd.Series([0.3, 0.6, 0.1], index = ['milk', 'honey', 'dates'])

此数据框表示“从 1 月到 4 月每月三种产品的价格”。分配向量表示价格的部分份额。

我想要实现的是将分配向量乘以我的数据帧，从而得到一个索引为“jan”、“feb”、“mar”、“apr”的序列，其值等于该月的点积（IE：@ 987654322@ 分别为 1 月、2 月、3 月、4 月）

我只能用讨厌的迭代hacky 解决方案来解决这个问题。我认为必须有一种更加pythonic的方式来做到这一点，而且我不必担心向量列的顺序错误，以便与数据框列等相乘。当然，实际的数据框有更多的列'不参与计算。

【问题讨论】：

标签： python pandas

【解决方案1】：

您可以使用join 和groupby 的组合来实现您想要的，如下所示：

allocation_vector.name = 'pct'
xf = xf.join(allocation_vector, on='good')
xf['dotproduct'] = xf.price * xf.pct

print(xf)

生成的数据框是：

             price  pct  dotproduct
good  month
milk  jan       19  0.3         5.7
      feb        8  0.3         2.4
      mar        7  0.3         2.1
      apr       15  0.3         4.5
honey jan        9  0.6         5.4
      feb       10  0.6         6.0
      mar        7  0.6         4.2
      apr       11  0.6         6.6
dates jan        2  0.1         0.2
      feb       14  0.1         1.4
      mar       12  0.1         1.2
      apr        7  0.1         0.7

然后你就可以得到你需要的结果了：

print(xf.groupby('month')['dotproduct'].sum())

输出是：

month
apr    11.8
feb     9.8
jan    11.3
mar     7.5

【讨论】：

【解决方案2】：

我相信您需要 Series.mul 的第一级乘数，然后按第一级求和：

np.random.seed(2019)

iterables = [['milk', 'honey', 'dates'], ['jan', 'feb', 'mar', 'apr']]
i = pd.MultiIndex.from_product(iterables, names=['good', 'month'])
xf = pd.DataFrame(index = i)
xf['price'] = np.random.randint(1, 25, xf.shape[0])
print (xf)
             price
good  month       
milk  jan        9
      feb       19
      mar        6
      apr       23
honey jan       16
      feb       13
      mar       11
      apr       17
dates jan       17
      feb        8
      mar        6
      apr       20

allocation_vector = pd.Series([0.3, 0.6, 0.1], index = ['milk', 'honey', 'dates'])

print (17*0.1+9*0.3+16*0.6)
14.0

s = xf['price'].mul(allocation_vector, level=0).sum(level=1)
print (s)
month
jan    14.0
feb    14.3
mar     9.0
apr    19.1
dtype: float64

或者通过Series.unstack重塑，转置并使用DataFrame.dot，但是输出中值的顺序改变了：

s = xf['price'].unstack().T.dot(allocation_vector)
print (s)
month
apr    19.1
feb    14.3
jan    14.0
mar     9.0
dtype: float64

【讨论】：