Расчеты с использованием двух pandas данных

Question

У меня есть следующие два (упрощенных) кадра данных:

df1=
         origin destination  val1  val2
    0      1           A      0.8   0.9
    1      1           B      0.3   0.5
    2      1           c      0.4   0.2
    3      2           A      0.4   0.7
    4      2           B      0.2   0.1
    5      2           c      0.5   0.1
df2=
  org  price
0   1     50
1   2     45

Мне нужно выбрать цену для каждого источника из df2, умножить ее на сумму val1 + val2 в df1 и запишите его в файл csv.

Расчет для A выглядит следующим образом:

A => (0,8 + 0,9) * 50 + (0,4+ 0,7) * 45 = 134,5

здесь значения 0,8, 0,9, 0,4 и 0,7 происходят от df1, и они соответствуют val1 и val2 для A, где значения 50 и 45 берутся из df2, соответствующего началу 1 и 2 соответственно. для B расчет будет

B => (0,3 + 0,5) * 50 + (0,2 + 0,1) * 45 = 53,5

для C расчет будет:

C => (0,4 + 0,2) * 50 + (0,5 + 0,1) * 45 = 57

Окончательный файл CSV должен выглядеть следующим образом:

A, 134,5

B, 53,5

C, 57 Для этого я написал следующий python код:

# first convert the second table into a python dictionary so that I can refer price value at each origin
df2_dictionary = {}
for ind in df2.index:
    df2_dictionary[df2['org'][ind]] = float(df2['price'][ind])    

# now go through df1, add up val1 and val2 and add the result to the result dictionary. 
result = {}
for ind in df1.index:
    origin = df1['origin'][ind] 
    price = df2_dictionary[origin] # figure out the price from the dictionary.
    r = (df1['val1'][ind] + df1['val2'][ind])*price # this is the needed calculation 
    destination = df1['destination'][ind] # store the result in destination
    if(destination in result.keys()):
        result[destination] = result[destination]+r
    else:
        result[destination] = r
f = open("result.csv", "w")
for key in result:
    f.write(key+","+str(result[key])+"\n")
f.close() 

Это много работы и не использует pandas встроенные функции. Как мне это упростить? Я не так беспокоюсь об эффективности.

Answer 1

Ваша проблема может быть решена с помощью map, а затем groupby:

df1['total'] = (df1[['val1','val2']].sum(1)
                   .mul(df1['origin']
                            .map(df2.set_index('org').price)
                       )
               )

summary = df1.groupby('destination')['total'].sum()

# save to csv
summary.to_csv('/path/to/file.csv')

Выход (summary):

destination
A    134.5
B     53.5
c     57.0
Name: total, dtype: float64