Как умножить выбранные столбцы из разных кадровых фреймов pandas

Question

У меня есть 3 блока данных панды (аналогично приведенному ниже). У меня есть 2 списка list ID_1 = ['sdf', 'sdfsdf', ...] и list ID_2 = ['kjdf', 'kldfjs', ...]

Table1: 
    ID_1 ID_2 Value 
0 PUFPaY9 NdYWqAJ 0.002 
1 Iu6AxdB qANhGcw 0.01 
2 auESFwW jUEUNdw 0.2345 
3 LWbYpca G3uZ_Rg 0.0835 
4 8fApIAM mVHrayg 0.0295 

Table2: 
    ID_1 weight1 weight2 .....weightN 
0 PUFPaY9  
1 Iu6AxdB  
2 auESFwW 
3 LWbYpca  

Table3: 
    ID_2 weight1 weight2 .....weightN 
0 PUFPaY9  
1 Iu6AxdB  
2 auESFwW  
3 LWbYpca  

Я хочу иметь один dataframe, который должен быть рассчитан как,

for each x ID_1 in list1: 
    for each y ID_2 in list2: 
     if x-y exist in Table1: 
      temp_row = (x[weights[i]].* y[weights[i]]) 
      # here i want one to one multiplication, x[weight1]*y[weight1] , x[weight2]*y[weight2] 
      temp_row.append(value[x-y] in Table1) 
      new_dataframe.append(temp_row) 

return new_dataframe 

Необходимое new_dataframe должен выглядеть table4:

Table4: 
     weight1 weight2 weight3 .....weightN value 
    0   
    1   
    2  
    3  

Я я могу сделать сейчас:

new_df = df[(df.ID_1.isin(list1)) & (df.ID_2.isin(list2))] используя это, я все действую ID_1 и ID_2 сочетание и значения. Но я понятия не имею, как я могу получить умножение весов как с именами данных (без циклов для каждого weight[i])?

Теперь задача проще, я могу перебрать new_dffor each row in new_df и я найду weight[i to n] for ID_1 from table 2 и weight[i to n] for ID_2 from table3. Затем я могу добавить их one-one multiplication с "value" from table1 на новый FINAL_DF. Но я не хочу зацикливаться и делать, мы можем решить это, используя более умный способ?

Answer 1

это то, что вы хотите?

data = """\ 
ID_1 
PUFPaY9  
aaaaaaa 
Iu6AxdB  
auESFwW 
LWbYpca 
""" 
id1 = pd.read_csv(io.StringIO(data), delim_whitespace=True) 

data = """\ 
ID_2 
PUFPaY9 
Iu6AxdB 
xxxxxxx 
auESFwW 
LWbYpca 
""" 
id2 = pd.read_csv(io.StringIO(data), delim_whitespace=True) 

cols = ['weight{}'.format(i) for i in range(1,5)] 
for c in cols: 
    id1[c] = np.random.randint(1, 10, len(id1)) 
    id2[c] = np.random.randint(1, 10, len(id2)) 

id1.set_index('ID_1', inplace=True) 
id2.set_index('ID_2', inplace=True) 

df_mul = id1 * id2 

Шаг за шагом:

In [215]: id1 
Out[215]: 
     weight1 weight2 weight3 weight4 
ID_1 
PUFPaY9  8  9  1  1 
aaaaaaa  6  1  9  2 
Iu6AxdB  8  4  8  5 
auESFwW  9  3  4  2 
LWbYpca  7  7  1  8 

In [216]: id2 
Out[216]: 
     weight1 weight2 weight3 weight4 
ID_2 
PUFPaY9  6  5  5  1 
Iu6AxdB  1  5  4  5 
xxxxxxx  1  2  6  4 
auESFwW  3  9  5  5 
LWbYpca  3  3  6  7 

In [217]: id1 * id2 
Out[217]: 
     weight1 weight2 weight3 weight4 
Iu6AxdB  8.0  20.0  32.0  25.0 
LWbYpca  21.0  21.0  6.0  56.0 
PUFPaY9  48.0  45.0  5.0  1.0 
aaaaaaa  NaN  NaN  NaN  NaN 
auESFwW  27.0  27.0  20.0  10.0 
xxxxxxx  NaN  NaN  NaN  NaN