如何在Pandas DataFrame中对特定列批量计算类Excel的SUMPRODUCT

嘿，这个场景我太熟悉了——当列数多到几十组时，手动写每一组的乘积再求和完全是重复劳动，这里有几个高效的批量处理方案，完美适配你的需求：

方法一：利用列名规律的向量化操作（推荐） #

如果你的V类列（V1、V2...）和S类列（S1、S2...）命名严格对应（数字后缀一致），这是最简洁高效的方式：

1. 先批量提取V类列和对应的S类列：

import pandas as pd
df = pd.DataFrame({'Name': ['A', 'B', 'C'], 'Qty': [100, 150, 200], 'Remarks': ['Bad', 'Avg', 'Good'], 'V1': [0,1,1], 'V2': [1,1,0], 'V3': [0,0,1], 'S1': [1,0,1], 'S2': [0,1,0], 'S3': [1,0,1] })

# 提取所有以V开头的列
v_cols = [col for col in df.columns if col.startswith('V')]
# 替换V为S，得到对应的S类列
s_cols = [col.replace('V', 'S') for col in v_cols]

2. 直接对两组列进行逐元素相乘，再按行求和：

df['SP'] = (df[v_cols] * df[s_cols]).sum(axis=1)

这个方法用了Pandas的向量化操作，比循环快得多，尤其是数据量较大时优势明显。

方法二：循环配对列组（灵活适配自定义对应关系） #

如果你的V、S列对应关系不是简单的命名替换，比如需要自定义配对规则，可以用zip批量处理列对：

# 先定义V和S列的配对关系（这里用和方法一相同的列组，你可以根据实际情况调整）
col_pairs = list(zip(v_cols, s_cols))

# 遍历每一对列，计算乘积后累加
df['SP'] = sum(df[[v_col, s_col]].prod(axis=1) for v_col, s_col in col_pairs)

这个逻辑和你手动写的完全一致，但通过循环自动处理了所有列对，无需逐个指定列名。

结果验证 #

用你的示例数据计算后，SP列的结果为：

和手动计算的SUMPRODUCT结果完全一致。

内容的提问来源于stack exchange，提问作者Saurabh