Numpy Pandas数据帧与Pandas序列的乘法

我有一个Pandas

系列

v

，带有数字条目

v0，v1，…，vn

，还有一个Pandas

数据框

C

，带有列

C0，C1，…，Cn

。我想生成数据帧，其列是n个按比例缩放的列

C0*v0，C1*v1*，…，Cn*vn

这种产品的“惯用”表达是什么？这种产品有标准名称吗

---

最佳解决方案是否需要使用一个或两个基本的

numpy.ndarray

v.values和

C.values

？

这是矩阵C乘以带对角线v的矩阵

例如，下面是一个系列v和一个数据帧C：

In [65]: v
Out[65]: 
0    1
1   -2
2    5
dtype: int64

In [66]: C
Out[66]: 
    0   1   2
0   0   1   2
1   3   4   5
2   6   7   8
3   9  10  11
4  12  13  14

以下是产品：

In [67]: C.dot(np.diag(v))
Out[67]: 
    0   1   2
0   0  -2  10
1   3  -8  25
2   6 -14  40
3   9 -20  55
4  12 -26  70

您还可以使用元素乘法和广播来计算。DataFrame

multiply

方法和

*

操作员处理广播，因此您可以编写：

In [102]: C * v
Out[102]: 
    0   1   2
0   0  -2  10
1   3  -8  25
2   6 -14  40
3   9 -20  55
4  12 -26  70

对具有50行和100列的数据帧进行的一些测试表明，使用numpy阵列效率更高，如下所示：

In [113]: C.values * v.values
Out[113]: 
array([[  0,  -2,  10],
       [  3,  -8,  25],
       [  6, -14,  40],
       [  9, -20,  55],
       [ 12, -26,  70]])

---

这是矩阵C乘以带对角线v的矩阵

例如，下面是一个系列v和一个数据帧C：

In [65]: v
Out[65]: 
0    1
1   -2
2    5
dtype: int64

In [66]: C
Out[66]: 
    0   1   2
0   0   1   2
1   3   4   5
2   6   7   8
3   9  10  11
4  12  13  14

以下是产品：

In [67]: C.dot(np.diag(v))
Out[67]: 
    0   1   2
0   0  -2  10
1   3  -8  25
2   6 -14  40
3   9 -20  55
4  12 -26  70

您还可以使用元素乘法和广播来计算。DataFrame

multiply

方法和

*

操作员处理广播，因此您可以编写：

In [102]: C * v
Out[102]: 
    0   1   2
0   0  -2  10
1   3  -8  25
2   6 -14  40
3   9 -20  55
4  12 -26  70

对具有50行和100列的数据帧进行的一些测试表明，使用numpy阵列效率更高，如下所示：

In [113]: C.values * v.values
Out[113]: 
array([[  0,  -2,  10],
       [  3,  -8,  25],
       [  6, -14,  40],
       [  9, -20,  55],
       [ 12, -26,  70]])

---

这是矩阵C乘以带对角线v的矩阵

例如，下面是一个系列v和一个数据帧C：

In [65]: v
Out[65]: 
0    1
1   -2
2    5
dtype: int64

In [66]: C
Out[66]: 
    0   1   2
0   0   1   2
1   3   4   5
2   6   7   8
3   9  10  11
4  12  13  14

以下是产品：

In [67]: C.dot(np.diag(v))
Out[67]: 
    0   1   2
0   0  -2  10
1   3  -8  25
2   6 -14  40
3   9 -20  55
4  12 -26  70

您还可以使用元素乘法和广播来计算。DataFrame

multiply

方法和

*

操作员处理广播，因此您可以编写：

In [102]: C * v
Out[102]: 
    0   1   2
0   0  -2  10
1   3  -8  25
2   6 -14  40
3   9 -20  55
4  12 -26  70

对具有50行和100列的数据帧进行的一些测试表明，使用numpy阵列效率更高，如下所示：

In [113]: C.values * v.values
Out[113]: 
array([[  0,  -2,  10],
       [  3,  -8,  25],
       [  6, -14,  40],
       [  9, -20,  55],
       [ 12, -26,  70]])

---

这是矩阵C乘以带对角线v的矩阵

例如，下面是一个系列v和一个数据帧C：

In [65]: v
Out[65]: 
0    1
1   -2
2    5
dtype: int64

In [66]: C
Out[66]: 
    0   1   2
0   0   1   2
1   3   4   5
2   6   7   8
3   9  10  11
4  12  13  14

以下是产品：

In [67]: C.dot(np.diag(v))
Out[67]: 
    0   1   2
0   0  -2  10
1   3  -8  25
2   6 -14  40
3   9 -20  55
4  12 -26  70

您还可以使用元素乘法和广播来计算。DataFrame

multiply

方法和

*

操作员处理广播，因此您可以编写：

In [102]: C * v
Out[102]: 
    0   1   2
0   0  -2  10
1   3  -8  25
2   6 -14  40
3   9 -20  55
4  12 -26  70

对具有50行和100列的数据帧进行的一些测试表明，使用numpy阵列效率更高，如下所示：

In [113]: C.values * v.values
Out[113]: 
array([[  0,  -2,  10],
       [  3,  -8,  25],
       [  6, -14,  40],
       [  9, -20,  55],
       [ 12, -26,  70]])