Question

数据：Here

问题：我有几个数据表，我将它们作为数据帧导出到Python。我想对这些数据框执行乘法运算，这将生成另一个数据框，该数据框的尺寸与我使用的数据框相同，并且/或者基于所使用的不同数据框的组合来增加尺寸（即索引）。但是，我偶然发现了一些无法找到解决方案的问题。下面是代码。

代码：

#---------------------------------------------------------------------------------------------------
#Load the pandas library
#---------------------------------------------------------------------------------------------------
import numpy as np
import pandas as pd

#---------------------------------------------------------------------------------------------------
#Load the dataframes
#---------------------------------------------------------------------------------------------------

##Supply at the gridcell level (in Pj per year)
biosup = pd.read_excel('01EconMod_EU1.xlsx', sheet_name = 'biosup', skiprows = 5, index_col = 0, usecols = 'A:K')


##Cost at the gridcell level (in MEUR per Pj)
biocost = pd.read_excel('01EconMod_EU1.xlsx', sheet_name = 'biocost', skiprows = 5, index_col = 0, usecols = 'A:K')

##Demand at the gridcell level (in Pj per year)
biodem = pd.read_excel('01EconMod_EU1.xlsx', sheet_name = 'biodem', skiprows = 5, index_col = [0,1], usecols = 'A:L')

##Inter-gridcell distance matrix (in km)
dist = pd.read_excel('01EconMod_EU1.xlsx', sheet_name = 'distance', skiprows = 5, index_col = 0, usecols = 'A:AE')

#---------------------------------------------------------------------------------------------------
#Definition of model parameter
#---------------------------------------------------------------------------------------------------

##Power parameter for the distance-decay component (gamma)
gamma = pd.DataFrame({'sim1':[1.06],'sim2':[1.59],'sim3':[2.12]})
gamma = gamma.transpose()
gamma.columns = ['val']

##Inter-gridcell distance range for the supply curve determination (dmaxsup in km)
dmaxsup = pd.DataFrame({'dsup1':[390],'dsup2':[770],'dsup3':[1050]})
dmaxsup = dmaxsup.transpose()
dmaxsup.columns = ['dmax']

##Inter-gridcell distance range for the distance-decay (dmaxdem in km)
dmaxdem = pd.DataFrame({'ddem1':[750],'ddem2':[1000]})
dmaxdem = dmaxdem.transpose()
dmaxdem.columns = ['dmax']

#---------------------------------------------------------------------------------------------------
#New parameter calculation
#---------------------------------------------------------------------------------------------------

##The ratio of the inter-gridcell distance and the dmaxdem
dist1 = pd.DataFrame(np.concatenate(dist.values / dmaxdem.values[:, None]), pd.MultiIndex.from_product([dmaxdem.index, dist.index]), dist.columns)

##The decay coefficients
decay = pd.DataFrame(np.concatenate(2 * (1 / (1 + (np.exp(dist1.values)**gamma.values[:, None])))), pd.MultiIndex.from_product([gamma.index, dist1.index]), dist1.columns)

decay1 = pd.DataFrame(np.concatenate(2 * (1 / (1 + (np.exp(dist.values / dmaxdem.values[:, None])**gamma.values[:, None])))), pd.MultiIndex.from_product([dmaxdem.index, gamma.index, dist.index]), dist.columns)

对代码的评论：

1 /参数“ dist1”表示“ dist”数据帧被“ dmaxdem”数据帧的每个元素所除。认为“ dmaxdem”数据帧的值是距离方案。换句话说，此运算会计算出每个距离值的比率。

2 /我尝试计算距离衰减系数，即“衰减”数据帧，如方括号内的公式所定义。但是，我收到以下错误消息

NotImplementedError: isna is not defined for MultiIndex

我认为

与“ dist1”数据帧的多索引结构有关。我已经尝试通过嵌入先前的操作来尝试一种直接方法，该方法将需要使用3个不同的数据帧，如“ decay1”代码所示。我收到以下错误

ValueError: operands could not be broadcast together with shapes (2,30,30) (3,1,1)

任何帮助将不胜感激。

Answer 1

如果我误解了您，请原谅我，因为在发布答案之前我无法发表评论：

好吧，如果它们的长度相同，并且索引相同，则可以先将它们沿0轴连接起来，然后开始。这将创建一个更大的数据框。接下来，您可以声明一个或多个条件列：

largerdf = pd.concat([df1, df2, df3 , dfn], axis=0)
largerdf[“calculationcolumn”] = largerdf[“columnvalue1”] *largerdf[“columnvalue2”]

或将操作数更改为所需的任何值。

具有多个索引的数据帧乘法

1 个答案: