Pandas 如何将直方图转换为各种预定义的成分直方图？

比如说，我想做一顿含有多种成分的特定营养成分的饭：

meal = a * ingredient_1 + b * ingredient_2 + c * ingredient_3

import pandas as pd

df = pd.DataFrame(
         [
                    [        'meal',    1625.14,    90.9,   47.214,  49.962,    138.16,  6.726,           6.606,  28.858],
                    ['ingredient_1',        109,    13.4,        4,     0.9,       4.4,   1.75,             0.3,     134],
                    ['ingredient_2',        126,     0.8,      3.1,      19,       0.5,    0.4,             0.4,     0.4],
                    ['ingredient_3',         35,       8,      0.1,     6.6,         1,    0.1,             0.1,     6.2],
         ],
         columns = [
                             'name', 'calories', 'carbs',    'fat', 'fiber', 'protein', 'salt', 'saturated-fat', 'sugar'
         ]
)

有点像傅里叶变换如何将波形转换为正弦波的组合，一顿饭（营养成分的直方图）如何转换为成分的组合（其他营养成分的直方图）这样就可以提取出一组参数来描述每种配料的用量，以获得最适合的膳食

例如，在熊猫数据框中，我们有一餐和各种配料：

meal = a * ingredient_1 + b * ingredient_2 + c * ingredient_3

import pandas as pd

df = pd.DataFrame(
         [
                    [        'meal',    1625.14,    90.9,   47.214,  49.962,    138.16,  6.726,           6.606,  28.858],
                    ['ingredient_1',        109,    13.4,        4,     0.9,       4.4,   1.75,             0.3,     134],
                    ['ingredient_2',        126,     0.8,      3.1,      19,       0.5,    0.4,             0.4,     0.4],
                    ['ingredient_3',         35,       8,      0.1,     6.6,         1,    0.1,             0.1,     6.2],
         ],
         columns = [
                             'name', 'calories', 'carbs',    'fat', 'fiber', 'protein', 'salt', 'saturated-fat', 'sugar'
         ]
)

---

我猜你想要这样的东西：

#A
a1=df.loc[df.index.values.tolist()[1:],'calories'].tolist()
a2=df.loc[df.index.values.tolist()[1:],'carbs'].tolist()
a3=df.loc[df.index.values.tolist()[1:],'fat'].tolist()
A=np.array([a1,a2,a3])
#B
b1=df.loc[df.index.values.tolist()[0],'calories'].tolist()
b2=df.loc[df.index.values.tolist()[0],'carbs'].tolist()
b3=df.loc[df.index.values.tolist()[0],'fat'].tolist()
B=np.array([b1,b2,b3])
#Solve
X = np.linalg.solve(A,B)
df['Quantity']=[X.sum()]+X.tolist()
df_prop=df.loc[1:,['name','Quantity']].reset_index(drop=True).set_index('name')
#Libraries
import matplotlib.pyplot as plt
#for use Jupyter Notebook
%matplotlib inline 
#Draw
ax=df_prop.plot(kind='bar',figsize=(15,15),fontsize=20)
ax.legend(fontsize=20)

输出：

X包含每种成分的量。如果您有任何问题，请随时提问