熊猫中的数据帧成对乘法？

Question

如果我有这些数据

data = {'f1':['A','B','B','A'],'f2':['X','Y','Z','Z']}
df = pd.DataFrame(data)
feat_1 = pd.get_dummies(df['f1'])
feat_2 = pd.get_dummies(df['f2'])

在熊猫中feat_1和feat_2之间进行这种乘法的短方法是什么？

feat_1

   A  B
0  1  0
1  0  1
2  0  1
3  1  0

feat_2

   X  Y  Z
0  1  0  0
1  0  1  0
2  0  0  1
3  0  0  1

所需结果：feat_1 * feat_2

   AX  AY  AZ  BX  BY  BZ
0   1   0   0   0   0   0
1   0   0   0   0   1   0
2   0   0   0   0   0   1
3   0   0   1   0   0   0

Answer 1

在reindex之后使用get_dummies

col=pd.MultiIndex.from_product([df.f1.unique(),df.f2.unique()]).map(''.join) 


df.apply(''.join,1).str.get_dummies().reindex(columns=col,fill_value=0)
Out[605]: 
   AX  AY  AZ  BX  BY  BZ
0   1   0   0   0   0   0
1   0   0   0   0   1   0
2   0   0   0   0   0   1
3   0   0   1   0   0   0

Answer 2

使用类别：

from itertools import product

cats = map(''.join, product(df['f1'].unique(), df['f2'].unique()))
cdt = pd.api.types.CategoricalDtype(cats)
result = pd.get_dummies(df.sum(axis=1).astype(cdt))

哪个会产生所需的结果：

   AX  AY  AZ  BX  BY  BZ
0   1   0   0   0   0   0
1   0   0   0   0   1   0
2   0   0   0   0   0   1
3   0   0   1   0   0   0

Answer 3

您还可以使用pd.concat和list comprehension

pd.concat([feat_1[col].mul(feat_2[col2]).rename(col +col2) for col in feat_1.columns for col2 in feat_2.columns], axis=1)

    AX  AY  AZ  BX  BY  BZ
0   1   0   0   0   0   0
1   0   0   0   0   1   0
2   0   0   0   0   0   1
3   0   0   1   0   0   0

---

%timeit pd.concat([feat_1[col].mul(feat_2[col2]).rename(col +col2) for col in feat_1.columns for col2 in feat_2.columns], axis=1)
1.54 ms ± 24.6 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%timeit col=pd.MultiIndex.from_product([df.f1.unique(),df.f2.unique()]).map(''.join); df.apply(''.join,1).str.get_dummies().reindex(columns=col,fill_value=0)
3.57 ms ± 76.9 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)