Groupby несколько столбцов с агрегацией продуктов

У меня есть фрейм данных pandas с несколькими элементами, который считается следующим образом:

индекс пункт1 пункт2 пункт3 количество1 количество2 количество3 1 0 0,5 0,5 10 15 0 2 0,5 0 0,5 20 20 20 3 1 0 0 30 10 30 4 0 1 0 20 20 0

Я хочу groupby данные по элементам, агрегируя с продуктом, чтобы в итоге я получил фрейм данных, который имеет элементы в качестве индекса, счетчики в виде столбцов, а значения в ячейке i, j равны сумме item{i} * count{j}. Например:

индекс количество1 количество2 пункт1 (0 * 10) + (0,5 * 20) + (1 * 30) + (0 * 20) = 40 (0 * 15) + (0,5 * 20) + (1 * 10) + (0 * 20) = 20 пункт2 (0,5 * 10) + (0 * 20) + (0 * 30) + (1 * 20) = 25 (0,5 * 15) + (0 * 20) + (0 * 10) + (1 * 20) = 27,5

Я пробовал использовать groupby:

df[items + counts].groupby(items).agg('prod')

и

df.groupby(items)[counts].agg('prod')

но проблема в том, что groupby использует значения столбца, а не сам столбец, и я сталкиваюсь с той же проблемой с pivot_table:

df.pivot_table(index=items, values=counts, aggfunc='prod')

Я чувствую, что решение должно быть тривиальным, но я не могу понять, чего мне не хватает.

Где пункт 3?

Dani Mesejo 25.12.2020 13:33
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
4
1
154
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

IIUC, вы можете использовать точка предметов против количества:

# create DataFrame with only item columns
items = df.filter(regex='^item')

# create DataFrame with only count columns
counts = df.filter(regex='^count')

# compute dot product
res = items.T.dot(counts)

print(res)

Выход

       count1  count2  count3
item1    40.0    20.0    40.0
item2    25.0    27.5     0.0
item3    15.0    17.5    10.0

Элементы и счетчики DataFrames получаются с использованием фильтра.

Другие вопросы по теме