如何简洁地为Pandas DataFrame的每一列分别乘以不同的标量？

其实你已经找对了核心思路（用字典映射列和对应标量），但Pandas本身提供了更直接的方法，不需要额外构造同结构的DataFrame，一步就能完成需求~

最简洁的实现方式 #

直接利用Pandas的multiply()方法（或者更简洁的乘法运算符）配合标量字典即可，Pandas会自动根据列名匹配对应的标量，对每列执行乘法操作：

1. 先定义列名与对应标量的字典：

scalar_map = {'col_1': n_1, 'col_2': n_2, ..., 'col_n': n_n}

2. 执行乘法操作（两种写法任选其一）：

# 写法1：使用multiply方法，明确指定按列匹配
df = df.multiply(scalar_map, axis='columns')

# 写法2：更简洁的运算符写法，效果完全一致
df *= scalar_map

示例演示 #

给你个具体的例子，方便理解：

import pandas as pd

# 创建测试DataFrame
df = pd.DataFrame({
    'col_1': [10, 20, 30],
    'col_2': [40, 50, 60],
    'col_3': [70, 80, 90]
})

# 定义各列对应的标量
scalar_map = {'col_1': 2, 'col_2': 0.5, 'col_3': 3}

# 执行乘法
df *= scalar_map

print(df)

执行后输出结果：

col_1  col_2  col_3
0     20   20.0    210
1     40   25.0    240
2     60   30.0    270

为什么这个方法更好？ #

对比你原来的方案，这个方法不需要额外创建和原DataFrame结构一致的常量DataFrame，Pandas内部会自动完成列名匹配与标量广播的工作，代码更简洁，执行效率也更高，完全适配你使用的Python2.7.10和pandas0.24.2环境。

内容的提问来源于stack exchange，提问作者akrylic