Element wise Умножение 2 DataFrames

Question

Есть 2 Dataframes формы (6, 4) и (6,2). Требуется выполнить умножение элементов по 2 кадрам данных.

>>> import pandas as pd 
>>> df1 = pd.DataFrame({'col1' : [1,2,6,8,-1,3], 'col2' : [1,2,6,8,-1,3], 'col3' : [1,2,6,8,-1,3], 'col4' : [1,2,6,8,-1,3]}) 
>>> df1 
    col1 col2 col3 col4 
0  1  1  1  1 
1  2  2  2  2 
2  6  6  6  6 
3  8  8  8  8 
4 -1 -1 -1 -1 
5  3  3  3  3 
>>> 
>>> df2 = pd.DataFrame({'col1' : [9,8,7,1,1,1], 'col2' : [11,12,16,2,2,1]}) 
>>> df2 
    col1 col2 
0  9 11 
1  8 12 
2  7 16 
3  1  2 
4  1  2 
5  1  1 

Ожидаемый результат:

0  9  9  9  9  
1  16 16  16  16  
2  42 42  42  42  
3  8  8  8  8  
4  -1 -1  -1  -1  
5  3  3  3  3  

0 11  11  11  11 
1 24  24  24  24 
2 96  96  96  96 
3 16  16  16  16 
4 -2  -2  -2  -2 
5 3  3  3  3 

Подход 1:

a = np.array(df1.values) 
b = np.array(df2.values) 

Пробовал ниже способов,

c = a * b 

Ошибка: #ValueError: операнды не могут передаваться вместе с формы (6, 4) и (6,2)

подход 2:

Старинная 1 из dataframes в серии.

df_temp=df1[df1.columns.values['a']] 
func = lambda x: np.asarray(x) * np.asarray(df2[df2.columns.values[0]]) 

df_temp.apply(func) 

Выход: Не получать элементный мудрый выход.

подход 3:

Преобразование DF в список и умножать списки:

df11=list(df1.values.flatten()) 
df22=list(df2.values.flatten()) 

Но результирующий список не является 2 мерная ;. Его 1 размер.

Answer 1

Вы должны использовать. умножать():

import pandas as pd 

df1 = pd.DataFrame({'col1' : [1,2,6,8,-1,3], 'col2' : [1,2,6,8,-1,3], 
    'col3' : [1,2,6,8,-1,3], 'col4' : [1,2,6,8,-1,3]}) 
df2 = pd.DataFrame({'col1' : [9,8,7,1,1,1], 'col2' : [11,12,16,2,2,1]}) 

for x in range(len(df2.columns)): 
    new_df = df1.multiply(df2.iloc[:, x], axis=0) 
    print new_df 

Это возвращает:

col1 col2 col3 col4 
0  9  9  9  9 
1 16 16 16 16 
2 42 42 42 42 
3  8  8  8  8 
4 -1 -1 -1 -1 
5  3  3  3  3 

    col1 col2 col3 col4 
0 11 11 11 11 
1 24 24 24 24 
2 96 96 96 96 
3 16 16 16 16 
4 -2 -2 -2 -2 
5  3  3  3  3 

Answer 2

Если вы нормально получать выходные данные в виде Numpy массивов, таким образом, работает

map(lambda col: df2[col].values.reshape(-1, 1) * df1.values, df2) 

EDIT: Это чистый и дает выход в виде панд ДФС:

map(lambda col: df1.mul(df2[col], axis=0), df2) 

Answer 3

Вы должны быть в состоянии создать результат, который вы ищете с:

>>> [df1.apply(lambda x: x*y) for _, y in df2.iteritems()] 
[ col1 col2 col3 col4 
0  9  9  9  9 
1 16 16 16 16 
2 42 42 42 42 
3  8  8  8  8 
4 -1 -1 -1 -1 
5  3  3  3  3, 
    col1 col2 col3 col4 
0 11 11 11 11 
1 24 24 24 24 
2 96 96 96 96 
3 16 16 16 16 
4 -2 -2 -2 -2 
5  3  3  3  3] 

Или используя @Alex подход многократно, это будет делать то же самое. Вы также можете Concat их в один многоиндексной dataframe:

>>> pd.concat((df1.mul(y, axis=0) for _, y in df2.iteritems()), axis=1, keys=df2) 
    col1    col2    
    col1 col2 col3 col4 col1 col2 col3 col4 
0 9 9 9 9 11 11 11 11 
1 16 16 16 16 24 24 24 24 
2 42 42 42 42 96 96 96 96 
3 8 8 8 8 16 16 16 16 
4 -1 -1 -1 -1 -2 -2 -2 -2 
5 3 3 3 3 3 3 3 3 

Answer 4

Спасибо @Alex для деталей ..

(df1.mul (у, ось = 0) для _, у в df2.iteritems())