熊猫数据帧按权重划分的一行值

Question

这似乎是一个基本问题，但是一种巧妙的解决方案使我逃脱了。

我有一个pandas数据框，其中所有值都分配为一行。但是，我需要按权重将值划分为多行。此处的示例：

输入数据框：

import pandas as pd

# starting df with weights W.
df_input = pd.DataFrame({
    'W': [0.3, 0.2, 0.5],
    'X1': [100, 0, 0],
    'X2': [150, 0, 0],
    'X3': [200, 0, 0],
    'X4': [300, 0, 0]
})

所需的输出数据帧：

df_output = pd.DataFrame({
    'W': [0.3, 0.2, 0.5],
    'X1': [30, 20, 50],
    'X2': [45, 30, 75],
    'X3': [60, 40, 100],
    'X4': [90, 60, 150]
})

屏幕截图：

Answer 1

如果我理解正确，那只是一个简单的矩阵乘法。从（3,1）矩阵开始，再乘以（1,3）。最终结果将是（3,3）。让我知道这种解决方法是否有任何帮助：

import numpy as np
A = np.array([[3,6,7],[5,-3,0]])
B = np.array([[1,1],[2,1],[3,-1]])
C = A.dot(B)
print (C)

Output:
[[36,-12],
 [-1,  2] 

Answer 2

优雅主观-一种可能的方法是使用pd.clip

 for col in ['X1', 'X2', 'X3', 'X4']:
     df_input[col] = df_input[col].clip(lower=df_input[col].max())
     df_input[col]*=df_input['W']

结果将是上面的。

Answer 3

使用数字广播：

df_output = df_input.copy()
df_output.loc[:, 'X1':] = df_output.loc[:, 'X1':] * df_output['W'].values[:, None]

如果您需要纯熊猫解决方案：

df_output.loc[:, 'X1':] = df_output.loc[:, 'X1':].apply(lambda col: col * df_output['W'])

Answer 4

使用DataFrame.ffill填充列中的值，然后将它们乘以to_numpy的因数并重整矢量：

values = df_input.replace(0, np.NaN).ffill()
df_input.iloc[:, 1:] = values.iloc[:, 1:] * values['W'].to_numpy()[:, None]

     W    X1    X2     X3     X4
0  0.3  30.0  45.0   60.0   90.0
1  0.2  20.0  30.0   40.0   60.0
2  0.5  50.0  75.0  100.0  150.0