pandasデータフレームの要素同士の掛け算

Question

import pandas as pd
df = pd.DataFrame({'word':['a', 'b', 'c', 'd'],'rank':[4,3,2,1]})

a, b, c, d
4,3,2,1
のようなpandasデータフレームのカラムがあるとして、
これをworkをrankの数だけ掛け算して

[a,a,a,a,b,b,b,c,c,d]

というようなリストを生成したいです。
どのようにしたらいいでしょうか。

Comments

[hentaiman]

せめてサンプルデータぐらいコピペで使えるようにコード書いては？

Answer 1

解決済になっていますが、np.repeat()を用いたよりよい方法を紹介しておきます。

>>> df = pd.DataFrame({'word': ['a', 'b', 'c', 'd'], 'rank': [4, 3, 2, 1]})

>>> df['word'].to_numpy().repeat(df['rank']).tolist()
['a', 'a', 'a', 'a', 'b', 'b', 'b', 'c', 'c', 'd']

このほかにもいろいろな方法が考えられるので、速度の比較とともに紹介します。

import benchit
import pandas as pd

# 4種類の方法を用意（すべて同じ結果を返す）
def np_repeat(df):
    return df['word'].to_numpy().repeat(df['rank'].to_numpy()).tolist()


def str_to_list(df):
    return list((df['word']*df['rank']).sum())


def df_explode(df):
    return (df['word'].apply(list)*df['rank']).explode().tolist()


def list_sum(df):
    return (df['word'].apply(lambda x: [x])*df['rank']).sum()


# 速度を比較
df = pd.DataFrame({'word': ['a', 'b', 'c', 'd'], 'rank': [4, 3, 2, 1]})
funcs = [np_repeat, str_to_list, df_explode, list_sum]
inputs = [df.sample(n, replace=True, random_state=0).reset_index(drop=True)
          for n in 10 ** np.arange(6)]
t = benchit.timings(funcs, inputs)

# プロット（縦軸が処理にかかる時間、横軸がデータフレームの大きさ）
t.plot(figsize=(8, 5), logx=True)

Comments

[ppaul]

いろいろなやりかたがあっておもしろいですね。

df['word'].to_numpy( dtype='<U1').repeat(df['rank'].to_numpy()).tolist()

は、np_repeat よりも少し早くなるような気がします。
性能測定してもらえるとうれしいです。

[kirara0048]

.to_numpy(dtype='<U1') とすると、配列のデータ型を変換する作業が増えるので遅くなります。

Answer 2

普通に掛け算すればできます。

>>> df = pd.DataFrame({'word':['a', 'b', 'c', 'd'], 'num':[4, 3, 2, 1]})
>>> df
  word  num
0    a    4
1    b    3
2    c    2
3    d    1
>>> df['mult'] = df['word']*df['num']
>>> df
  word  num  mult
0    a    4  aaaa
1    b    3   bbb
2    c    2    cc
3    d    1     d

質問が修正されたのですね。

['a', 'a', 'a', 'a', 'b', 'b', 'b', 'c', 'c', 'd']を出したければ掛け算したあとに合計して下さい。

>>> inner_product = (df['word'].apply(lambda x: [x])*df['num']).sum()
>>> print(inner_product)
['a', 'a', 'a', 'a', 'b', 'b', 'b', 'c', 'c', 'd']

Comments

[退会済みユーザー]

いま修正を加えました申し訳ございません、
[aaaa,bbb,ccc,d]ではなく、[a,a,a,a,b,b,b,c,c,d]というリストを出力したいです。
どうしたらよいでしょうか。

[退会済みユーザー]

教えていただいた方法も試しましたが、aaaabbbbcccdという文字列になりました。
どのようにすればいいでしょうか。

[ppaul]

私のシステムでの実行結果は先ほどの回答にコピペしてあります。
inner_productを計算した式の右辺の最期にあるsum()が合計です。
つまり、innner_productがお求めのものです。
['a', 'a', 'a', 'a', 'b', 'b', 'b', 'c', 'c', 'd']

うまくいかないようでしたら、プログラムの全体を掲載してください。

[退会済みユーザー]

df = pd.DataFrame({'word':['a', 'b', 'c', 'd'], 'num':[4, 3, 2, 1]})
# df
inner_product = (df['word']*df['num']).sum()
print(inner_product)
>>aaaabbbccd

となってしまいまいた。

[退会済みユーザー]

inner_product = ((df['word']+',')*df['rank']).sum()
にしたところ、解決しました。本当にご親切にありがとうございました！！

[ppaul]

私の回答にも誤りがありました。

修正版を載せておきます。