如何基于Category列实现两个DataFrame指定列的乘法运算

需求说明 #

我有两个DataFrame：

• 第一个DataFrame的列：

  ['Srno', 'Category', 'Category%', 'Total', 'X1', 'X2', 'X3', 'X4', 'X5', 'Extra']
  

• 第二个DataFrame的列：

  ['Srno', 'Category', 'TotalCount']
  

需要基于Category列匹配，把第一个DataFrame中的['X1', 'X2', 'X3', 'X4', 'X5', 'Extra']列的值，分别和第二个DataFrame中对应Category的TotalCount值相乘，并用计算结果替换第一个DataFrame中这些列的原始值。

尝试的代码 #

df.columns = ['Srno', 'Category', 'Category%', 'Total', 'X1', 'X2', 'X3', 'X4', 'X5', 'Extra']

df2.columns = ['Srno', 'Category', 'TotalCount']

for j, k in zip(df2['Totalcount'], df.iloc[:, 4:9]):
    x = j * k
    print(x)

问题分析与正确实现 #

原代码的问题 #

1. 拼写错误：df2['Totalcount']应该是df2['TotalCount']（大小写不一致）
2. 列索引错误：df.iloc[:,4:9]只取到X5，漏掉了Extra列
3. 核心逻辑错误：循环没有基于Category匹配，只是简单按位置zip，会导致对应关系混乱

方法一：合并DataFrame后批量计算 #

先按Category合并两个DataFrame，再对目标列进行乘法操作：

# 按Category合并，保留第一个DF的所有行
merged_df = df.merge(df2[['Category', 'TotalCount']], on='Category', how='left')

# 指定需要计算的列
target_cols = ['X1', 'X2', 'X3', 'X4', 'X5', 'Extra']

# 批量相乘替换
df[target_cols] = df[target_cols].mul(merged_df['TotalCount'], axis=0)

方法二：用map匹配对应值（更高效） #

不需要合并，直接通过Category映射获取TotalCount，再广播相乘：

# 构建Category到TotalCount的映射字典
count_map = df2.set_index('Category')['TotalCount'].to_dict()

# 获取每个行对应的TotalCount值
df['TotalCount'] = df['Category'].map(count_map)

# 批量计算替换
target_cols = ['X1', 'X2', 'X3', 'X4', 'X5', 'Extra']
df[target_cols] = df[target_cols] * df['TotalCount']

# 可选：删除临时的TotalCount列
df.drop('TotalCount', axis=1, inplace=True)

内容的提问来源于stack exchange，提问作者Chinmay