如何向量化计算MultiIndex Pandas DataFrame的点积？

嘿，这问题我熟！完全可以用向量化矩阵乘法搞定，根本不需要用apply()或者循环，效率拉满。下面我一步步给你讲清楚怎么做：

步骤拆解与代码实现 #

首先，我们先明确两个核心DataFrame的结构：

• toy_price：行是日期（时间序列），列是产品（juice/candy/pulp），存储各产品每日价格
• toy_yield：行是MultiIndex(config, product)，列是原料（red_delicious/macintosh/fuji），存储对应配置下生产某产品所需原料的yield值

我们的目标是对每个时间点、每个config+原料组合，计算产品价格向量与**对应yield向量（产品维度）**的点积。用pandas的矩阵乘法运算符@就能直接实现：

# 1. 调整yield数据的形状：将config从行索引unstack到列，得到行=product，列=MultiIndex(config, 原料)
yield_unstacked = toy_yield.unstack('config')

# 2. 直接用矩阵乘法计算点积：toy_price（时间×产品） @ yield_unstacked（产品×(config,原料)）→ 时间×(config,原料)
result = toy_price @ yield_unstacked

# 3. 可选：将列的MultiIndex调整为(config在前，原料在后)的顺序并排序，让结构更清晰
result.columns = result.columns.swaplevel(0, 1)
result = result.sort_index(axis=1)

结果说明 #

最终的result就是你要的目标DataFrame：

• 行：保持原时间序列索引（2019-12-01到2019-12-10）
• 列：MultiIndex，上层是config（a/b），下层是原料（red_delicious/macintosh/fuji）
• 每个单元格：对应时间点、配置+原料组合下，产品价格与yield的点积（即price_juice*yield_juice + price_candy*yield_candy + price_pulp*yield_pulp）

为什么这是最优解？ #

• 完全向量化：矩阵乘法是pandas底层基于numpy实现的向量化运算，比循环或apply()快几个数量级，尤其是数据量很大的时候
• 代码简洁：只用两行核心代码就完成了计算，可读性强
• 自动对齐索引：pandas会自动处理toy_price的产品列和yield_unstacked的产品行的对齐，不用担心维度不匹配的问题

如果你确实需要列的下层是产品而不是原料（可能描述里的小混淆），那只需要调整toy_yield的unstack方式：

# 如果目标列是MultiIndex(config, product)，则unstack原料列并转置
yield_unstacked_product = toy_yield.unstack(axis=1)
result_product = toy_price @ yield_unstacked_product.T

内容的提问来源于stack exchange，提问作者user3556757