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:
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]
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。
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'])
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