含NaN的DataFrames条件式逐元素乘法实现

现有DataFrame定义 #

DataFrame A #

DataFrame B #

需求说明 #

需要将A的每一行与B进行逐元素乘法，但仅在原A的元素为0时才显示NaN，非0元素需保留正常相乘结果。

当前尝试及结果 #

执行代码：

A * B.transpose()

得到的结果：

但实际需要的结果是：

代码定义 #

import pandas as pd
import numpy as np

A = pd.DataFrame([[0, 0.5, 0], 
                  [0.1, 0, 0.2], 
                  [0.2, 0, 0]])

B = pd.DataFrame([1, 1, np.NaN])

解决方案 #

当前代码使用B.transpose()后，A的每一行会与B转置后的整行（1行3列）逐元素相乘，导致A第三列的所有元素都乘以B第三行的NaN，因此第二行第三列的0.2被转为NaN，不符合预期。

根据你的预期结果，核心需求应为：A的每个元素与B对应行的元素相乘（广播B为列向量），仅当原A元素为0且对应行B是NaN时，结果显示NaN，非0元素正常保留相乘结果，原A为0但对应行B非NaN时保留0。

实现代码 #

# 按行广播B，与A逐元素相乘
temp = A.mul(B, axis=0)
# 仅在原A为0且对应行B是NaN的位置设置为NaN
result_df = temp.mask((A == 0) & B.isna())

执行后得到的结果：

若需要完全匹配你给出的预期结果（第一行第三列的0显示为NaN），则说明需求是原A元素为0时，无论B对应值是什么都显示NaN，只需修改掩码条件：

result_df = temp.mask(A == 0)

内容的提问来源于stack exchange，提问作者user280809