Python 如何在pandas中使用不同的列标签将两个数据帧相乘？

我正在尝试将具有不同列标签的两个数据帧相乘（加/除/等）

我相信这是可能的，但最好的办法是什么？我曾尝试使用重命名来首先更改一个df上的列，但（1）我不想这样做，（2）我的真实数据在列上有一个多索引（其中只有一层多索引的标签不同），在这种情况下重命名似乎很棘手

因此，为了尝试概括我的问题，我如何使用

map

来定义要相乘的列，从而得到

df1*df2

df1 = pd.DataFrame([1,2,3], index=['1', '2', '3'], columns=['a', 'b', 'c'])
df2 = pd.DataFrame([4,5,6], index=['1', '2', '3'], columns=['d', 'e', 'f'])
map = {'a': 'e', 'b': 'd', 'c': 'f'}

df1 * df2 = ?

---

假设索引已经对齐，您可能只想以正确的顺序对齐两个数据帧中的列，并将两个数据帧的

.values

分开

假设

映射={'a'：'e'，'b'：'d'，'c'：'f'}

：

v1 = df1.reindex(columns=['a', 'b', 'c']).values
v2 = df2.reindex(columns=['e', 'd', 'f']).values
rs = DataFrame(v1 / v2, index=v1.index, columns=['a', 'b', 'c'])

---

我只是偶然发现了同样的问题。pandas似乎希望列索引和行索引都对齐，以便执行元素级乘法，因此您可以在乘法过程中使用映射重命名：

>>> df1 = pd.DataFrame([[1,2,3]], index=['1', '2', '3'], columns=['a', 'b', 'c'])
>>> df2 = pd.DataFrame([[4,5,6]], index=['1', '2', '3'], columns=['d', 'e', 'f'])
>>> df1
   a  b  c
1  1  2  3
2  1  2  3
3  1  2  3
>>> df2
   d  e  f
1  4  5  6
2  4  5  6
3  4  5  6
>>> mapping = {'a' : 'e', 'b' : 'd', 'c' : 'f'}
>>> df1.rename(columns=mapping) * df2
   d  e   f
1  8  5  18
2  8  5  18
3  8  5  18

如果需要列的“自然”顺序，可以动态创建映射，如：

>>> df1 * df2.rename(columns=dict(zip(df2.columns, df1.columns)))

例如，要计算两个矩阵的“Frobenius内积”，可以执行以下操作：

>>> (df1 * df2.rename(columns=dict(zip(df2.columns, df1.columns)))).sum().sum()
96

---

这个问题也困扰着我。 看起来熊猫需要矩阵乘法，因为两个数据帧具有相同的列名

我搜索了很多，发现设置中的示例是向数据帧添加一列

对于你的问题

rs = pd.np.multiply(ds2, ds1)

rs将具有与ds2相同的列名

假设我们想将多个列与同一数据帧中的其他几列相乘，并将这些结果附加到原始数据帧中

例如，ds1、ds2位于相同的数据帧ds中。我们可以

ds[['r1', 'r2', 'r3']] = pd.np.multiply(ds[['a', 'b', 'c']], ds[['d', 'e', 'f']])

---

我希望这些会有所帮助。

在问题中，你说“不同的列”，但你的例子有“不同的索引”。这是哪一个？很好，我澄清了最初的问题。我希望有一个“更干净”的解决方案，而不是直接操纵值和构建新的数据框架。也许没有。有相关文档吗？

pd.np.multiply

是一个非常好且干净的解决方案，正是我想要保留我的一个数据帧的列名。谢谢