Article Outline
情景描述：
继续完成项目中的评分卡部分，拿到分好箱的数据后，如何进行加权得到最后的分数就是我们接下来要考虑的问题了。
<!--more-->
demo1:
result = dataframe.mul(series, axis=0)demo2:
def tile_df(df, n, m):
dfn = df.T
for _ in range(1, m):
dfn = dfn.append(df.T, ignore_index=True)
dfm = dfn.T
for _ in range(1, n):
dfm = dfm.append(dfn.T, ignore_index=True)
return dfm
df = pandas.DataFrame([[1,2],[3,4]])
tile_df(df, 2, 3)
# 0 1 2 3 4 5
# 0 1 2 1 2 1 2
# 1 3 4 3 4 3 4
# 2 1 2 1 2 1 2
# 3 3 4 3 4 3 4demo3:
>>> df = pd.DataFrame(np.random.randint(1, 10, (5, 3)))
>>> df
0 1 2
0 7 7 5
1 1 8 6
2 4 8 4
3 2 9 5
4 3 8 7
>>> df.prod(axis=1)
0 245
1 48
2 128
3 90
4 168
dtype: int64
>>> df = pd.DataFrame(np.random.randint(1, 10, (5, 3)))
>>> df
0 1 2
0 9 3 3
1 8 5 4
2 3 6 7
3 9 8 5
4 7 1 2
>>> df.apply(np.prod, axis=1)
0 81
1 160
2 126
3 360
4 14
dtype: int64
demo4:
In[197]: import pandas as pd; import numpy as np
In [198]: df = pd.DataFrame(np.arange(40.).reshape((8, 5)), columns=list('abcde'));
In [199]: df
Out[199]:
a b c d e
0 0.0 1.0 2.0 3.0 4.0
1 5.0 6.0 7.0 8.0 9.0
2 10.0 11.0 12.0 13.0 14.0
3 15.0 16.0 17.0 18.0 19.0
4 20.0 21.0 22.0 23.0 24.0
5 25.0 26.0 27.0 28.0 29.0
6 30.0 31.0 32.0 33.0 34.0
7 35.0 36.0 37.0 38.0 39.0
In [200]: ser = pd.Series(np.arange(8) * 10);
In [201]: ser
Out[201]:
0 0
1 10
2 20
3 30
4 40
5 50
6 60
7 70
dtype: int64
In [202]: func = lambda x: np.asarray(x) * np.asarray(ser)
In [203]: df.apply(func)
Out[203]:
a b c d e
0 0.0 0.0 0.0 0.0 0.0
1 50.0 60.0 70.0 80.0 90.0
2 200.0 220.0 240.0 260.0 280.0
3 450.0 480.0 510.0 540.0 570.0
4 800.0 840.0 880.0 920.0 960.0
5 1250.0 1300.0 1350.0 1400.0 1450.0
6 1800.0 1860.0 1920.0 1980.0 2040.0
7 2450.0 2520.0 2590.0 2660.0 2730.0
In [204]: df.apply(func).a
Out[204]:
0 0.0
1 50.0
2 200.0
3 450.0
4 800.0
5 1250.0
6 1800.0
7 2450.0
Name: a, dtype: float64
# 行相乘
In[205]: ser2 = pd.Series(np.arange(5) *5);
In [206]: ser2
Out[206]:
0 0
1 5
2 10
3 15
4 20
In[207]: func2 = lambda x: np.asarray(x) * np.asarray(ser2)
In[8]: df.apply(func2, axis=1)
Out[208]:
a b c d e
0 0 5 20 45 80
1 0 30 70 120 180
2 0 55 120 195 280
3 0 80 170 270 380
4 0 105 220 345 480
5 0 130 270 420 580
6 0 155 320 495 680
7 0 180 370 570 780
# 进阶版
In[209]: df.apply(lambda x: np.asarray(x) * np.asarray(ser))
Out[209]:
a b c d e
0 0 0 0 0 0
1 50 60 70 80 90
2 200 220 240 260 280
3 450 480 510 540 570
4 800 840 880 920 960
5 1250 1300 1350 1400 1450
6 1800 1860 1920 1980 2040
7 2450 2520 2590 2660 2730
In [210]: df.apply(lambda x: np.asarray(x) * np.asarray(ser)).a
Out[210]:
0 0.0
1 50.0
2 200.0
3 450.0
4 800.0
5 1250.0
6 1800.0
7 2450.0
Name: a, dtype: float64
In[211]: df.apply(lambda x: np.asarray(x) * np.asarray(ser2), axis=1)
Out[211]:
a b c d e
0 0 5 20 45 80
1 0 30 70 120 180
2 0 55 120 195 280
3 0 80 170 270 380
4 0 105 220 345 480
5 0 130 270 420 580
6 0 155 320 495 680
7 0 180 370 570 780总结：
这样，我们总分也就拿到了，最后只需将每个项目的总分求和即可