Pandas条件乘法：多维度货币汇率转换为USD的实现问题

问题描述 #

我是Pandas（乃至数据科学）新手，希望将各年度本地货币数据转换为USD，需将每个数据点与对应汇率相乘。现有数据结构如下：

import pandas as pd

dataset = pd.DataFrame([
            ["CNY", 321.4, 123.3, 2131, 2134],
            ["EUR", 2144, 3521, 3152, 6421],
            ["CNY", 9999, 1234, 96, 879]],
            columns=["Currency", 2000, 2001, 2002, 2003]) 
rates = pd.DataFrame([
            ["CNY", 6.1, 6.8, 7.4, 5.8],
            ["EUR", 1.1, 1.0, 2.5, 3.1]], 
            columns=["Currency", 2000, 2001, 2002, 2003]) 

需求是在货币代码匹配的前提下，将2000、2001、2002、2003列的年度数值与对应汇率相乘。曾看到类似问题使用where()函数解决，但该示例中两个DataFrame维度相同可直接相乘，而我的汇率DataFrame与数据集维度不同，部分货币多次出现，不想用遍历的暴力方法，希望通过连接类操作实现。

解决方案 #

你可以通过索引映射+广播运算或表合并后逐列计算的方式高效解决，无需遍历，具体如下：

方法一：索引映射实现逐行匹配（高效） #

1. 将汇率表rates设置以Currency为索引，方便根据货币代码快速定位对应年度汇率：

rates_indexed = rates.set_index("Currency")

2. 提取年度列列表，用于批量处理：

year_columns = [2000, 2001, 2002, 2003]

3. 对数据集的年度列，按每行的Currency匹配对应的汇率行，逐元素相乘：

# 计算转换后的USD数据
usd_data = dataset[year_columns].mul(
    dataset["Currency"].apply(lambda x: rates_indexed.loc[x]), axis=0
)

# 合并原货币列与转换结果
result = pd.concat([dataset["Currency"], usd_data], axis=1)

方法二：表合并后逐列计算（直观） #

如果觉得映射方式不好理解，可先将两个表按Currency合并，再逐列计算：

# 合并数据集与汇率表，保留所有dataset的行
merged = dataset.merge(rates, on="Currency", suffixes=("_local", "_rate"))

# 逐年度计算转换后的值
for year in year_columns:
    merged[year] = merged[f"{year}_local"] * merged[f"{year}_rate"]

# 保留需要的最终列
result = merged[["Currency"] + year_columns]

两种方法均能得到符合需求的结果，第一种更高效，适合大数据量场景；第二种逻辑更直观，适合新手理解。运行后result的输出示例：

Currency      2000      2001       2002       2003
0      CNY   1960.54    838.44    15769.4    12377.2
1      EUR   2358.40    3521.00    7880.00    19905.1
2      CNY  60993.90    8391.20      710.4     5098.2

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