Python 将数据帧与其他数据帧的值相乘

Python 将数据帧与其他数据帧的值相乘,python,pandas,dataframe,Python,Pandas,Dataframe,我有两个数据帧 df1 = pd.DataFrame([[1,2],[3,4],[5,6],[7,8]], index = ['a','b','c', 'a'], columns = ['d','e']) d e a 1 2 b 3 4 c 5 6 a 7 8 df2 = pd.DataFrame([['a', 10],['b',20],['c',30],['f',40]]) 0 1 0 a 10 1 b 20 2 c 30 3 f 40

我有两个数据帧

df1 = pd.DataFrame([[1,2],[3,4],[5,6],[7,8]], index = ['a','b','c', 'a'], columns = ['d','e'])
   d  e
a  1  2
b  3  4
c  5  6
a  7  8


df2 = pd.DataFrame([['a', 10],['b',20],['c',30],['f',40]])


   0   1
0  a  10
1  b  20
2  c  30
3  f  40
我希望我的最终数据帧将df1的行乘以与df2中的值相对应的因子(例如,b为20)

所以我的输出应该是

     d    e
a   10   20
b   60   80
c  150  180
a   70   80
请提供假设df1长度为数百行的解决方案。我只能想到通过df1.index进行循环。

IIUC:

In [55]: df1 * pd.DataFrame(np.tile(df2[[1]],2), columns=df1.columns, index=df2[0])
Out[55]:
     d    e
a   10   20
a   70   80
b   60   80
c  150  180
助手DF:

In [57]: pd.DataFrame(np.tile(df2[[1]],2), columns=df1.columns, index=df2[0])
Out[57]:
    d   e
0
a  10  10
b  20  20
c  30  30
IIUC:

助手DF:

In [57]: pd.DataFrame(np.tile(df2[[1]],2), columns=df1.columns, index=df2[0])
Out[57]:
    d   e
0
a  10  10
b  20  20
c  30  30

这是直截了当的。您只需确保它们有一个公共轴,然后就可以组合它们:

将查找列放入索引中

df2.set_index(0, inplace=True)

    1
0   
a   10
b   20
c   30
现在,您可以非常轻松地将该列放入df1:

df1['multiplying_factor'] = df2[1]
现在只需将两列相乘:

df1['final_value'] = df1.e*df1.multiplying_factor
现在df1看起来像:

    d   e   multiplying_factor  final_value
a   1   2   10                  20
b   3   4   20                  80
c   5   6   30                  180
a   7   8   10                  80

这是直截了当的。您只需确保它们有一个公共轴,然后就可以组合它们:

将查找列放入索引中

df2.set_index(0, inplace=True)

    1
0   
a   10
b   20
c   30
现在,您可以非常轻松地将该列放入df1:

df1['multiplying_factor'] = df2[1]
现在只需将两列相乘:

df1['final_value'] = df1.e*df1.multiplying_factor
现在df1看起来像:

    d   e   multiplying_factor  final_value
a   1   2   10                  20
b   3   4   20                  80
c   5   6   30                  180
a   7   8   10                  80

创建
映射
并调用
df.apply

In [1128]: mapping = dict(df2.values)

In [1129]: df1.apply(lambda x: x * mapping[x.name], 1)
Out[1129]: 
     d    e
a   10   20
b   60   80
c  150  180
a   70   80

创建
映射
并调用
df.apply

In [1128]: mapping = dict(df2.values)

In [1129]: df1.apply(lambda x: x * mapping[x.name], 1)
Out[1129]: 
     d    e
a   10   20
b   60   80
c  150  180
a   70   80

使用
set_index
reindex
df2
df1
对齐,然后使用
mul

In [1150]: df1.mul(df2.set_index(0).reindex(df1.index)[1], axis=0)
Out[1150]:
     d    e
a   10   20
b   60   80
c  150  180
a   70   80

使用
set_index
reindex
df2
df1
对齐,然后使用
mul

In [1150]: df1.mul(df2.set_index(0).reindex(df1.index)[1], axis=0)
Out[1150]:
     d    e
a   10   20
b   60   80
c  150  180
a   70   80