如何将两个不同数据帧中相同位置的列相乘？

Question

我试图从数据帧中删除多个列，以便相同的类型出现在数据帧的相同位置。例如，在下面的数据帧中，df1列和df2列基本相同，顺序相同。唯一的区别是df2列有后缀，数据类型为float。列位置很重要，因为df1的第一列是df2的第一列的二分法。出于某种目的，我需要将每列的df2值乘以df1的二分法值，然后按行求和。这应该会生成一列，其中包含我需要用于其他内容的总和

第一个数据帧：

df1 = {'a': {0: 0,
  1: 0,
  2: 0,
  3: 0,
  4: 1},
 'b': {0: 1, 1: 0, 2: 1, 3: 0, 4: 0},
 'c': {0: 0, 1: 0, 2: 0, 3: 0, 4: 1},
 'd': {0: 0, 1: 1, 2: 1, 3: 0, 4: 0},
 'e': {0: 0, 1: 1, 2: 0, 3: 1, 4: 0},
 'f': {0: 0, 1: 0, 2: 0, 3: 0, 4: 0},
 'g': {0: 0,
  1: 0,
  2: 0,
  3: 0,
  4: 0},
 'h': {0: 1,
  1: 0,
  2: 1,
  3: 1,
  4: 0},
 'i: {0: 0,
  1: 1,
  2: 0,
  3: 1,
  4: 0},
 'j': {0: 1, 1: 0, 2: 0, 3: 0, 4: 1}}

第二个数据帧

df2 = {'a_top3': {0: 0.084973365,
  1: 0.057013709,
  2: 0.072325557,
  3: 0.098824218,
  4: 0.252425998},
 'b_top3': {0: 0.168823063,
  1: 0.044829924,
  2: 0.178180799,
  3: 0.032501712,
  4: 0.054869764},
 'c_top3': {0: 0.040331405,
  1: 0.042758454,
  2: 0.077851109,
  3: 0.111247674,
  4: 0.160724968},
 'd_top3': {0: 0.11076121,
  1: 0.156901404,
  2: 0.111759722,
  3: 0.031440482,
  4: 0.046660293},
 'e_top3': {0: 0.059534989,
  1: 0.090733215,
  2: 0.087737411,
  3: 0.141953781,
  4: 0.011520214},
 'f_top3': {0: 0.067696713,
  1: 0.081674345,
  2: 0.034215827,
  3: 0.075849444,
  4: 0.011245198},
 'g_top3': {0: 0.041895844,
  1: 0.048191357,
  2: 0.102012217,
  3: 0.100579783,
  4: 0.034403443},
 'h_top3': {0: 0.124932915,
  1: 0.085968919,
  2: 0.220041335,
  3: 0.155145347,
  4: 0.032171372},
 'i_top3': {0: 0.103714436,
  1: 0.349804282,
  2: 0.077229746,
  3: 0.150859997,
  4: 0.081321001},
 'j_top3': {0: 0.197336018,
  1: 0.042124409,
  2: 0.038646296,
  3: 0.101597518,
  4: 0.314657748}}

我需要一个列，使它是位于相同位置的每列的乘积之和。比如说,

prod_sum = df1[['a','b','c']].mul(df2[['a_top3', 'b_top3', 'c_top3']], axis=0).sum(axis=1)

应提供以下资料：

我尝试过的方法如上图所示，但我得到的只是NaN。我可以使用循环来实现这一点，但我想知道是否有一种pythonic方法来实现这一点

Answer 1

首先使用merge()方法：

result=df1[['a','b','c']].merge(df2[['a_top3', 'b_top3', 'c_top3']],left_index=True,right_index=True)

最后利用apply()方法和anonymous function：

result=result.apply(lambda x:x['a']*x['a_top3']+x['b']*x['b_top3']+x['c']*x['c_top3'],axis=1)

现在，如果您打印result，您将获得：

0    0.168823
1    0.000000
2    0.178181
3    0.000000
4    0.413151
dtype: float64

由于序列包含float类型的数据，因此无法用0代替0.000000

Answer 2

让我们把你的数据的子集（DF1和DF2的前三列）：

In [362]: temp1 = df1.loc[:, ['a','b','c']]
     ...: temp2 = df2.iloc[:, :3]

In [363]: temp1
Out[363]: 
   a  b  c
0  0  1  0
1  0  0  0
2  0  1  0
3  0  0  0
4  1  0  1

In [364]: temp2
Out[364]: 
     a_top3    b_top3    c_top3
0  0.084973  0.168823  0.040331
1  0.057014  0.044830  0.042758
2  0.072326  0.178181  0.077851
3  0.098824  0.032502  0.111248
4  0.252426  0.054870  0.160725

相乘（或任何类似操作）时，Pandas将尝试对齐索引和列。在这个场景中，我们需要找到一种方法将列名从temp1（a，b，c）对齐到temp2（a_top3，…）。在这种情况下，最简单的解决方案是删除top3的temp2后缀，然后Pandas将成功地将列相乘并返回所需的内容：

In [367]: temp1.mul(temp2.rename(columns = lambda x: x[0])).sum(1)
Out[367]: 
0    0.168823
1    0.000000
2    0.178181
3    0.000000
4    0.413151
dtype: float64

将同样的想法扩展到{}和{}：

In [368]: df1.mul(df2.rename(columns = lambda x: x[0])).sum(1)
Out[368]: 
0    0.491092
1    0.597439
2    0.509982
3    0.447959
4    0.727809
dtype: float64