如何将系列与
tupletuple我写了一个代码示例来向您展示预期结果的示例：
import numpy as np
import pandas as pd
def main():
s = pd.Series(data=np.around(a=np.random.uniform(size=10), decimals=3))
t = (2, 3, 5, 7)
print(s)
if __name__ == '__main__':
main()
我的输出：
0 0.709
1 0.567
2 0.894
3 0.660
4 0.348
5 0.465
6 0.974
7 0.832
8 0.888
9 0.265
dtype: float64
我需要得到这个结果：
0 (1.418, 2.127, 3.545, 4.963)
1 (1.134, 1.701, 2.835, 3.969)
2 (..., ..., ..., ...)
3 (..., ..., ..., ...)
4 (..., ..., ..., ...)
5 (..., ..., ..., ...)
6 (..., ..., ..., ...)
7 (..., ..., ..., ...)
8 (..., ..., ..., ...)
9 (..., ..., ..., ...)
dtype: float64
试试
import numpy as np
import pandas as pd
def main():
s = pd.DataFrame(data=np.around(a=np.random.uniform(size=10), decimals=3))
t = (2, 3, 5, 7)
s[0] = s[0].apply(lambda x: tuple([(x * y) for y in t]))
print(s)
if __name__ == '__main__':
main()
输出
0 (1.168, 1.7519999999999998, 2.92, 4.088)
1 (1.332, 1.9980000000000002, 3.33, 4.662)
2 (1.254, 1.881, 3.135, 4.389)
3 (1.372, 2.0580000000000003, 3.43, 4.8020000000...
4 (0.846, 1.269, 2.1149999999999998, 2.961)
5 (0.386, 0.579, 0.9650000000000001, 1.351)
6 (1.528, 2.292, 3.8200000000000003, 5.348)
7 (0.64, 0.96, 1.6, 2.24)
8 (1.75, 2.625, 4.375, 6.125)
9 (1.234, 1.851, 3.085, 4.319)
你可以试试：
>>> s.apply(lambda x: tuple(x*np.array(t)))
避免列表理解和循环
s = pd.Series(data=np.around(a=np.random.uniform(size=10), decimals=3))
t = (2, 3, 5, 7)
s = pd.Series([i for i in zip(*[s*i for i in t])])
s
输出：
0 (1.162, 1.7429999999999999, 2.905, 4.067)
1 (1.746, 2.6189999999999998, 4.365, 6.111)
2 (0.516, 0.774, 1.29, 1.806)
3 (1.68, 2.52, 4.2, 5.88)
4 (1.048, 1.572, 2.62, 3.668)
5 (0.412, 0.618, 1.03, 1.442)
6 (1.426, 2.139, 3.565, 4.991)
7 (1.162, 1.7429999999999999, 2.905, 4.067)
8 (0.652, 0.978, 1.6300000000000001, 2.282)
9 (0.446, 0.669, 1.115, 1.561)
dtype: object
将元组转换为 NumPy 数组使您的工作更轻松。它只是将整个数组与系列中存在的元素相乘，然后您可以再次将 NumPy 数组转换为元组。虽然多次转换效率不高，但使用 numpy 数组处理更大尺寸的元组是有利的。如果在处理 NumPy 数组的系列中不需要出现元组，这是一个很好的做法。下面的代码完成了这项工作。
import pandas as pd
import numpy as np
s = pd.Series(data=np.around(a=np.random.uniform(size=10), decimals=3))
t = np.array((2, 3, 5, 7))
s=pd.Series([tuple(x*t) for x in s]).
由于之前的任何一个答案都被接受了，我一个都不喜欢。我在没有应用或循环的情况下展示我的解决方案：
import numpy as np
import pandas as pd
def main():
s = pd.Series(data=np.around(a=np.random.uniform(size=10), decimals=3))
print(s)
t = (2, 3, 5, 7)
print(t)
r = s.to_frame('val') * pd.Series(t, index=['val'] * len(t))
print(r)
if __name__ == '__main__':
main()
乘法使用列的名称来匹配它们。全部使用相同的名称，解决问题。 可能的输出：
0 0.179
1 0.962
2 0.755
3 0.247
4 0.378
5 0.559
6 0.757
7 0.585
8 0.481
9 0.198
dtype: float64
(2, 3, 5, 7)
val val val val
0 0.358 0.537 0.895 1.253
1 1.924 2.886 4.810 6.734
2 1.510 2.265 3.775 5.285
3 0.494 0.741 1.235 1.729
4 0.756 1.134 1.890 2.646
5 1.118 1.677 2.795 3.913
6 1.514 2.271 3.785 5.299
7 1.170 1.755 2.925 4.095
8 0.962 1.443 2.405 3.367
9 0.396 0.594 0.990 1.386
这里有一个使用 numpy 广播的方法：
pd.Series(map(tuple,s.to_numpy()[:,None] * np.array(t)))
输出：
0 (0.598, 0.897, 1.4949999999999999, 2.093)
1 (0.588, 0.8819999999999999, 1.47, 2.058)
2 (0.12, 0.18, 0.3, 0.42)
3 (0.606, 0.909, 1.515, 2.121)
4 (1.22, 1.83, 3.05, 4.27)
5 (1.584, 2.3760000000000003, 3.96, 5.5440000000...
6 (0.86, 1.29, 2.15, 3.01)
7 (1.304, 1.956, 3.2600000000000002, 4.564)
8 (0.06, 0.09, 0.15, 0.21)
9 (1.942, 2.913, 4.8549999999999995, 6.797)
您可能想使用 pandas DataFrame 来处理“二维”数据。您可以尝试以下方法：
import pandas as pd
import numpy as np
s = pd.Series(data=np.around(a=np.random.uniform(size=10), decimals=3))
t = (2, 3, 5, 7)
df = pd.DataFrame()
for i, value in enumerate(t):
col = i
df[col] = s * value
print(df)
此代码打印：
0 1 2 3
0 1.640 2.460 4.100 5.740
1 1.544 2.316 3.860 5.404
2 1.556 2.334 3.890 5.446
3 0.710 1.065 1.775 2.485
4 1.816 2.724 4.540 6.356
5 0.778 1.167 1.945 2.723
6 0.628 0.942 1.570 2.198
7 0.800 1.200 2.000 2.800
8 0.538 0.807 1.345 1.883
9 1.520 2.280 3.800 5.320