广播两个熊猫数据帧的乘法

Question

我有两个DataFrame，例如：

df1 = pn.DataFrame(np.arange(6).reshape(3, 2), columns=['A1', 'B1'])
df2 = pn.DataFrame(np.arange(1,7).reshape(3, 2), columns=['A2', 'B2'])

  A1 B1
0  0  1
1  2  3
2  4  5

  A2 B2
0  1  2
1  3  4
2  5  6

我需要将 df1 和 df2 乘以列以获得具有以下结果的 DataFrame：

  A1*A2  A1*B2  B1*A2  B1*B2
0     0      0      1      2
1     6      8      9     12
2    20     24     25     30

实际任务中 df1 和 df2 的大小为（1000 列 x 90 000 行）。

我不想在这些 DataFrame 的列中使用双“for”循环。

是否有内置函数或一些简单的计算方法？

Answer 1

使用 broadcasting 获得有效的性能提升：

import itertools

df = pd.DataFrame((df1.values[..., None] * df2.values[:, None]).reshape(df1.shape[0],-1))
df.columns = ["*".join(i) for i in itertools.product(*[df1.columns, df2.columns])]

---

合并df1.values[..., None] 的目的是在右侧创建一个额外的维度，其形状为(3, 2, 1)，而之前的(3, 2) 形状为df1.values。

此外，df2.values[:, None] 向中心轴添加了一个额外的维度，使其形状从最初的(3,2) 变为(3, 1, 2)，以帮助进行乘法过程。

最后，reshape 它们与原始 df1（或）df2 的行数相同
（因为在提到的问题中两者具有相同的形状 em>)。

Answer 2

您可以使用 df.multiply() 将 df 与一系列相乘，然后像这样连接生成的数据帧：

df3 = pd.concat([df1[["A1", "B1"]].multiply(df2["A2"], axis="index"),
df1[["A1", "B1"]].multiply(df2["B2"], axis="index")], axis = 1)

df3.columns = ['A1*A2', "B1*A2", "A1*B2", "B1*B2"]

你得到：

     A1*A2  B1*A2   A1*B2   B1*B2
0     0      1      0       2
1     6      9      8       12
2     20     25     24      30