如何将Pandas Series与多级列DataFrame按层级匹配相乘？

直接使用df.mul(s, axis=1, level=0)即可实现需求，无需将Series转置为单行DataFrame。

完整代码示例 #

import pandas as pd

s = pd.Series([0.1, 0.5], index=["A", "B"])
df = pd.DataFrame({
    ("A",1):[0,1,2], ("A",2):[3,4,5], ("A",3):[6,7,8],
    ("B",1):[10,11,12], ("B",2):[13,14,15], ("B",3):[16,17,18]
})

# 正确的相乘方式
result = df.mul(s, axis=1, level=0)
print(result)

输出结果 #

A               B           
      1    2    3     1     2     3
0  0.0  0.3  0.6   5.0   6.5   8.0
1  0.1  0.4  0.7   5.5   7.0   8.5
2  0.2  0.5  0.8   6.0   7.5   9.0

出错原因说明 #

你之前用s.to_frame().T将Series转成了单行DataFrame，这个临时DataFrame的行索引是[0]，而原df的行索引是[0,1,2]。调用mul时，Pandas会同时匹配行索引和列层级，只有行索引完全匹配的第0行能完成计算，其余行因无匹配值返回NaN。

直接传入Series并指定axis=1, level=0，Pandas会自动将Series的索引与df的0级列名匹配，对每一列对应的层级值完成广播相乘，所有行都会被正确计算。

内容的提问来源于stack exchange，提问作者Owen