Python 通过将两个系列相乘在一起在pandas中创建数据帧
假设我有两个熊猫系列,A系列和B系列。我如何创建一个数据帧,其中所有这些值都相乘在一起,即A系列位于左侧,B系列位于顶部。基本上与此相同的概念,其中A系列为左侧的黄色,B系列为顶部的黄色,中间的所有值将通过乘法填充:Python 通过将两个系列相乘在一起在pandas中创建数据帧,python,pandas,dataframe,series,Python,Pandas,Dataframe,Series,假设我有两个熊猫系列,A系列和B系列。我如何创建一个数据帧,其中所有这些值都相乘在一起,即A系列位于左侧,B系列位于顶部。基本上与此相同的概念,其中A系列为左侧的黄色,B系列为顶部的黄色,中间的所有值将通过乘法填充: 对不起,我应该补充一点,我的两个系列的长度不一样。现在我遇到了一个错误,即“矩阵未对齐”,因此我假设这就是问题所在。您可以使用矩阵乘法点,但在您必须将序列转换为数据帧之前(因为): 所以我认为,如果你有两个不同长度的序列,这可能会让你得到大部分的方法。这似乎是一个非常手动的过程,
对不起,我应该补充一点,我的两个系列的长度不一样。现在我遇到了一个错误,即“矩阵未对齐”,因此我假设这就是问题所在。您可以使用矩阵乘法点,但在您必须将序列转换为数据帧之前(因为):
所以我认为,如果你有两个不同长度的序列,这可能会让你得到大部分的方法。这似乎是一个非常手动的过程,但我想不出使用pandas或NumPy函数的其他方法
>>>> a = Series([1, 3, 3, 5, 5])
>>>> b = Series([5, 10])
首先将行值a
转换为数据帧,并以新列的形式复制此系列,只要列系列b
中有值即可
>>>> result = DataFrame(a)
>>>> for i in xrange(len(b)):
result[i] = a
0 1
0 1 1
1 3 3
2 3 3
3 5 5
4 5 5
然后,您可以在数据帧结果上广播您的系列b
:
>>>> result = result.mul(b)
0 1
0 5 10
1 15 30
2 15 30
3 25 50
4 25 50
在我选择的示例中,由于初始系列的原因,最终将得到重复的索引。我建议将索引保留为唯一标识符。这在编程上是有意义的,否则当您选择一个分配了多行的索引时,将返回多个值。如果必须,则可以使用以下函数重新索引行标签和列标签:
>>>> result.columns = b
>>>> result.set_index(a)
5 10
1 5 10
3 15 30
3 15 30
5 25 50
5 25 50
重复索引的示例:
>>>> result.loc[3]
5 10
3 15 30
3 15 30
首先创建一个1的数据帧。然后依次沿每个轴进行乘法广播
>>> s1 = Series([1,2,3,4,5])
>>> s2 = Series([10,20,30])
>>> df = DataFrame(1, index=s1.index, columns=s2.index)
>>> df
0 1 2
0 1 1 1
1 1 1 1
2 1 1 1
3 1 1 1
4 1 1 1
>>>> df.multiply(s1, axis='index') * s2
0 1 2
0 10 20 30
1 20 40 60
2 30 60 90
3 40 80 120
4 50 100 150
您需要使用df.multiply
来指定序列将与行索引对齐。您可以将普通乘法运算符*
用于s2,因为列上的匹配是在数据帧和序列之间进行乘法的默认方式。您可以通过将行(或列)的每个值与其他序列广播,将两个长度不等的序列相乘来创建数据帧。例如:
> row = pd.Series(np.arange(1, 6), index=np.arange(1, 6))
> col = pd.Series(np.arange(1, 4), index=np.arange(1, 4))
> row.apply(lambda r: r * col)
1 2 3
1 1 2 3
2 2 4 6
3 3 6 9
4 4 8 12
5 5 10 15
到目前为止你试过什么?您可以编辑问题并添加一些代码、错误或结果。
> row = pd.Series(np.arange(1, 6), index=np.arange(1, 6))
> col = pd.Series(np.arange(1, 4), index=np.arange(1, 4))
> row.apply(lambda r: r * col)
1 2 3
1 1 2 3
2 2 4 6
3 3 6 9
4 4 8 12
5 5 10 15