如何将 dataframe 中的每一行乘以不同 dataframe 的不同列，并将所有行的总和作为 Python 中的新列？

Question

我试图将 dataframe 的每一行乘以另一个 dataframe 中一列的值，

例如，如果我有以下 dataframe：

df = pd.DataFrame({
     'FR': [4.0405, 4.0963, 4.3149],
     'GR': [1.7246, 1.7482, 1.8519],
     'IT': [804.74, 810.01, 860.13],
     'F':  [8.4, 10.01, 60.3]},
     index=['1980-01-01', '1980-02-01', '1980-03-01'])
df_ret = df.pct_change()

df2 = pd.DataFrame({'symbol':['FR','GR','IT','F'],
                    'weight' : [0.2,0.3,0.1,0.4]})

我想将 df_ret 中每一行的每个元素乘以 df2['weight']

然后找到每行的总和并填充到一个新列中作为 df['port']

我努力了：

df_ret.mul(df2.weight)

但我得到了一个更大的 dataframe，所有值为 NaN

任何帮助表示赞赏，谢谢。

Answer 1

我们可以通过将df2的索引 ( set_index ) 设置为symbol并将df_ret乘以新索引的df2['weight']使系列索引与df_ret列对齐来利用索引 alignment。 然后我们可以用DataFrame.sum对行 ( axis=1 ) 求和：

df_ret = df_ret.mul(df2.set_index('symbol')['weight'])
df_ret['Port'] = df_ret.sum(axis=1)

df_ret ：

                  FR        GR        IT         F      Port
1980-01-01       NaN       NaN       NaN       NaN  0.000000
1980-02-01  0.002762  0.004105  0.000655  0.076667  0.084189
1980-03-01  0.010673  0.017795  0.006188  2.009590  2.044246

如果我们想在第一行中使用NaN而不是 0，我们也可以设置skipna=False ：

df_ret['Port'] = df_ret.sum(axis=1, skipna=False)

                  FR        GR        IT         F      Port
1980-01-01       NaN       NaN       NaN       NaN       NaN
1980-02-01  0.002762  0.004105  0.000655  0.076667  0.084189
1980-03-01  0.010673  0.017795  0.006188  2.009590  2.044246