python - 如何基于行的 'attribute' 将数据帧行乘以数组？

Question

我有一个 Pandas 数据帧 DF，它几乎占用了我所有的 RAM。
它的索引始终是以下之一:'c1'、'c2'、'c3'。

    0   1   2  ...  n
i            
c1  1   8  15
c2  2   9  16
c1  3  10  17
c3  4  11  18
c2  5  12  19
c1  6  13  20
c3  7  14  21
...

我还有一个字典，其中的键与数据帧索引标签“匹配”。这些值是长度为 n(等于数据框列数)的列表/数组。

d = {'c1':[10,10,10,...],'c2':[100,100,100,...],'c3':[1000,1000,1000,...]}

len(d[<allkeys>]) == n >>> True

我想要做的是基于行的“属性”的简单数据帧乘法——在这种情况下，它是它的索引，但它可能是列中的一个值。
结果如下所示:

       0      1      2
i                     
c1    10     80    150
c2   200    900   1600
c1    30    100    170
c3  4000  11000  18000
c2   500   1200   1900
c1    60    130    200
c3  7000  14000  21000

我不想以我只能做 DF*DF2 的方式构建第二个数据帧 DF2，因为我没有足够的 RAM 并且因为这样的数据帧对我来说似乎毫无意义，这意味着它只是数组的重复/lists(如果我错了，请纠正我)。

我想过有一个这样的第二个数据框:

       0     1     2
c1    10    10    10
c2   100   100   100
c3  1000  1000  1000

但是当我做 DF * DF2 时，索引以某种方式被排序，我不知道如何避免这种情况。
结果:

          0         1         2
c1      100       800      1500
c1      300      1000      1700
c1      600      1300      2000
c2    20000     90000    160000
c2    50000    120000    190000
c3  4000000  11000000  18000000
c3  7000000  14000000  21000000

如果您认为有另一种方法可以解决这个问题(不同的数据结构、库等)，那也将不胜感激。

示例代码:

df = pd.DataFrame({0: [1, 2, 3, 4, 5, 6, 7],1: [8, 9, 10, 11, 12, 13, 14], 2: [15, 16, 17, 18, 19, 20, 21]}, index=pd.Index(['c1', 'c2', 'c1', 'c3', 'c2', 'c1', 'c3'], dtype='object', name='i'))
d = {'c1':[10,10,10],'c2':[100,100,100],'c3':[1000,1000,1000]}
df2 = pd.DataFrame.from_dict(d,orient='index')

Answer 1

想法是由 DataFrame.set_index 重复数据删除索引, 乘以 DataFrame.mul 按第一级和最后通过 DataFrame.reset_index 删除第二级:

df1 = (df.set_index(np.arange(len(df)), append=True)
         .mul(df2, level=0)
         .reset_index(level=1, drop=True))
print (df1)
       0      1      2
i                     
c1    10     80    150
c2   200    900   1600
c1    30    100    170
c3  4000  11000  18000
c2   500   1200   1900
c1    60    130    200
c3  7000  14000  21000