python - 将 pd.Series 向量与多索引 pd.Dataframe 相乘

Question

我有一个 Pandas 系列和一个 Pandas 多索引数据框。

下面是一个简单的例子:

iterables = [['milk', 'honey', 'dates'], ['jan', 'feb', 'mar', 'apr']]
i = pd.MultiIndex.from_product(iterables, names=['good', 'month'])
xf = pd.DataFrame(index = i)
xf['price'] = np.random.randint(1, 25, xf.shape[0])

allocation_vector = pd.Series([0.3, 0.6, 0.1], index = ['milk', 'honey', 'dates'])

此数据框表示“从 1 月到 4 月每个月三种产品的价格”，allocation_vector 表示价格的一些小数部分。

我想要实现的是将分配向量乘以我的数据帧，得到一个序列，其索引为“jan”、“feb”、“mar”、“apr”，其值等于该月的点积(即:jan_date_price*date_pct + jan_milk_price*milk_pct + jan_honey_price*jan_pct 分别为一月、二月、三月、四月)

我只能使用讨厌的迭代 hacky 解决方案来解决这个问题。我认为必须有更多的 pythonic 方法来执行此操作，并且我不必担心向量列在与数据框列等相乘时的顺序错误。当然，实际的数据框有更多的列'参与计算。

Answer 1

我相信您需要乘以一级 Series.mul然后对每个第一级求和:

np.random.seed(2019)

iterables = [['milk', 'honey', 'dates'], ['jan', 'feb', 'mar', 'apr']]
i = pd.MultiIndex.from_product(iterables, names=['good', 'month'])
xf = pd.DataFrame(index = i)
xf['price'] = np.random.randint(1, 25, xf.shape[0])
print (xf)
             price
good  month       
milk  jan        9
      feb       19
      mar        6
      apr       23
honey jan       16
      feb       13
      mar       11
      apr       17
dates jan       17
      feb        8
      mar        6
      apr       20

allocation_vector = pd.Series([0.3, 0.6, 0.1], index = ['milk', 'honey', 'dates'])

---

print (17*0.1+9*0.3+16*0.6)
14.0

s = xf['price'].mul(allocation_vector, level=0).sum(level=1)
print (s)
month
jan    14.0
feb    14.3
mar     9.0
apr    19.1
dtype: float64

---

或通过 Series.unstack reshape , 转置和使用 DataFrame.dot ，但输出值的顺序发生了变化:

s = xf['price'].unstack().T.dot(allocation_vector)
print (s)
month
apr    19.1
feb    14.3
jan    14.0
mar     9.0
dtype: float64