Python 熊猫-广播部

我有两个数据帧：

• df_1

  带有单个索引

  i

  和

  float

  s的一列

  LB

• df_2

  具有多索引

  i、a、s

  和500列

  浮动

  s

我的目标是将

df_1[LB]

中的每个值除以

df_2

中具有相应索引

i

的每个单元格，以便以

df_2

的相同维度输出

df_3

我以前的迭代方法适用于具有两级多索引的

df_2

，但在添加第三级时失败了

df_3=pd.DataFrame（index=df_2.index，columns=df_2.columns）
对于i中的i：
df_3.loc[_i]=df_1.loc[_i][LB]/df_2.loc[_i]#TypeError:在未指定联接级别的情况下，无法在多索引上对齐

我想知道是否有一种通用的广播方式

编辑：我找到了一种方法，将

df_1

的值复制到

df_3

中，然后将

df_3

除以

df_2

：

df_3=pd.DataFrame（index=df_2.index，columns=df_2.columns）
对于i中的i：
df_3.loc[_i]=df_1.loc[_i][LB]
df_3=df_3/df_2

但是，如果

df_1

也有多索引（df_2的子集），那么在不循环的情况下将

df_1

的值传播到

df_3

的最佳方式是什么？

您可以广播

df_1

，以匹配第二个数据帧的多级索引。然后，您可以轻松地在numpy级别广播分区：

tmp = pd.DataFrame(np.repeat(df_1.values, len(df_2)/len(df_1)),
                   index = df_2.index, columns=df_1.columns)

df_3 = pd.DataFrame(df_2.values / tmp.values, index=df_2.index,
                   columns=df_2.columns)

唯一的要求是：

• df_1

  必须有一列

• df_2

  必须具有与

  df1

  相同的索引，或者具有第一级为

  df1的多索引。索引

---

事实上，只要重塑

df_2.values

并让numpy广播操作就足够了：

df_3 = pd.DataFrame(data=(
    df_2.values.reshape(len(df_1),(len(df_2) // len(df_1)) * len(df_2.columns))
    / df_1.values).reshape(len(df_2), len(df_2.columns)),
                    index=df_2.index, columns=df_2.columns)

---

您的df_2看起来如何？3级多索引

i、a、s

和500列。每个索引级别都是单个值的数组。我喜欢重塑的优雅。但是，元素的顺序存在问题。为了正确匹配初始索引，应该在除法之前对索引进行排序。@phet事实上，我假设第一级是相同的，包括顺序……我还认为两边的顺序都是相同的。但结果似乎很奇怪。在应用您的解决方案之前，我必须对索引进行排序。