Python 带多索引的成对矩阵乘法

我有两个多索引数据帧，每个都代表一组k dxd矩阵。我想计算每个k对的成对矩阵积

有人知道这在一次操作中是否可行吗

以下是示例数据帧（请注意，值将不同，即每个矩阵中的值不同）

---

我想知道如何正确地组合最后一个操作。

不确定OP是否想到了这一点，但通常（就像我的例子一样），人们只对

k

产品（

Lambda.ix[k].dot（Sigma.ix[k]

所有

k

）感兴趣，而不是

k^2

产品（

Lambda.ix[I].dot（Sigma.ix[j]

适用于

i、j的所有组合

>>> Lambda.dot(Sigma.T)
            0                   1                   2                   3          
            0         1         0         1         0         1         0         1
0 0  12.74109  -7.53549  12.74109  -7.53549  12.74109  -7.53549  12.74109  -7.53549
  1  -7.53549  12.30817  -7.53549  12.30817  -7.53549  12.30817  -7.53549  12.30817
1 0  12.74109  -7.53549  12.74109  -7.53549  12.74109  -7.53549  12.74109  -7.53549
  1  -7.53549  12.30817  -7.53549  12.30817  -7.53549  12.30817  -7.53549  12.30817
2 0  12.74109  -7.53549  12.74109  -7.53549  12.74109  -7.53549  12.74109  -7.53549
  1  -7.53549  12.30817  -7.53549  12.30817  -7.53549  12.30817  -7.53549  12.30817
3 0  12.74109  -7.53549  12.74109  -7.53549  12.74109  -7.53549  12.74109  -7.53549
  1  -7.53549  12.30817  -7.53549  12.30817  -7.53549  12.30817  -7.53549  12.30817

对于那些对前者感兴趣的人，这里有一个使用
groupby
和
concat
（meh）的版本。如果有一个直接的方法就好了，但你可以：

def drop_col_level(df, **kwds):
    df.columns = df.columns.droplevel(**kwds)
    return df

pd.concat([l.dot(drop_col_level(s.T, level=0))
           for (_, l), (_, s) in zip(Lambda.groupby(level=0), Sigma.groupby(level=0))])

Out[151]:
1           0         1
0 1                    
0 0  12.74109  -7.53549
  1  -7.53549  12.30817
1 0  12.74109  -7.53549
  1  -7.53549  12.30817
2 0  12.74109  -7.53549
  1  -7.53549  12.30817
3 0  12.74109  -7.53549
  1  -7.53549  12.30817

不确定OP是否想到了这一点，但通常（就像在我的案例中），人们只对
k
产品感兴趣（
Lambda.ix[k].dot（Sigma.ix[k]
适用于所有
k
）而不是
k^2
产品（
Lambda.ix[i].dot（Sigma.ix[j]
适用于
i，j
）

对于那些对前者感兴趣的人，这里有一个使用
groupby
和
concat
（meh）的版本。如果有一个直接的方法就好了，但你可以：

def drop_col_level(df, **kwds):
    df.columns = df.columns.droplevel(**kwds)
    return df

pd.concat([l.dot(drop_col_level(s.T, level=0))
           for (_, l), (_, s) in zip(Lambda.groupby(level=0), Sigma.groupby(level=0))])

Out[151]:
1           0         1
0 1                    
0 0  12.74109  -7.53549
  1  -7.53549  12.30817
1 0  12.74109  -7.53549
  1  -7.53549  12.30817
2 0  12.74109  -7.53549
  1  -7.53549  12.30817
3 0  12.74109  -7.53549
  1  -7.53549  12.30817

这是一个完整的k^2$个矩阵结果，即λ0 xσ0，λ0 xσ1，等等。有没有一种方法（不需要迭代）只得到“对角”积，即λk xσk？这是一个完整的k^2$个矩阵结果，即λ0 xσ0，λ0 xσ1，等等。有没有一种方法（不需要迭代）只得到“对角线”产品，即lambda_k x sigma_k？