如何在Python中实现DataFrame的代数式行列乘法？

问题背景 #

需要实现类似代数中**行×列（即每个列的所有元素与对应向量元素相乘）**的操作，尝试了多种方法均失败：

• 循环赋值代码：

for i in range(largo):
        multipli[i,:] = standardesv[i,0]* yantigua[:,i] 

报错：pandas.errors.InvalidIndexError: (0, 0)

• 使用yantigua.multiply(standardesv)，结果全为NaN，无实际意义；
• 使用np.dot，因维度不匹配报错：ValueError: shapes (6,1) and (98,6) not aligned: 1 (dim 1) != 98 (dim 0)，转置后仍报错。

数据结构 #

• yantigua（98行×6列DataFrame）：

open      high       low     close  tick_volume    spread
0   0.435509  0.420361  0.425533  0.403871     0.183026  0.023377
...
97  0.389977  0.368252  0.375718  0.343705     0.169503  0.025446

• standardesv（6行×1列DataFrame，索引为yantigua的列名）：

0
open            0.021056
high            0.020998
low             0.021040
close           0.021049
tick_volume  9505.609835
spread          9.902313

期望输出 #

每个列的所有元素与standardesv中对应索引的元素相乘，示例：

open      high       low     close  tick_volume    spread
0   0.009170  0.008827  0.008953  0.008501  1739.672     0.2315
...

解决方案 #

问题核心是Pandas的索引对齐机制，之前的方法未利用好列名/索引的匹配关系，正确实现方式如下：

方法1：利用Pandas广播（推荐） #

直接提取standardesv的匹配值，让Pandas自动按列对齐相乘：

import pandas as pd

# 提取standardesv中与yantigua列名对应的值，转为Series
std_series = standardesv.loc[yantigua.columns, 0]
# 直接相乘，Pandas会自动将Series广播到每一行
multipli = yantigua * std_series

方法2：转为NumPy数组操作 #

如果想避开Pandas索引，用纯NumPy计算：

import pandas as pd
import numpy as np

# 转为数组，确保值的顺序与yantigua列一致
std_vals = standardesv.loc[yantigua.columns, 0].values.reshape(1, -1)
# 广播相乘
multipli_np = yantigua.values * std_vals
# 转回DataFrame保留原索引和列名
multipli = pd.DataFrame(multipli_np, columns=yantigua.columns, index=yantigua.index)

失败原因解析 #

1. 循环报错：Pandas DataFrame不能直接用[i,:]这种NumPy式索引（需用.iloc），且未做索引对齐；
2. multiply全NaN：standardesv的行索引是列名，而yantigua的行索引是数字，Pandas找不到匹配索引导致结果全NaN；
3. np.dot报错：矩阵点积要求维度严格匹配，但需求是逐元素广播相乘，而非矩阵乘法，因此dot不适用。

内容的提问来源于stack exchange，提问作者my enlightend god