Pandas DataFrame多列相乘时的空值条件处理需求

原本使用以下代码处理DataFrame：

df = df.replace({np.nan: 0})
df[new_cols] = df[cols].multiply(df["abc"], axis="index")

现在需要更精确的逻辑：若cols中的某一列存在任何NULL值，则对应的new_cols列也全部为NULL；否则执行df[cols]*df["abc"]来生成df[new_cols]，求实现思路。

可以这么实现：
首先先确认cols里每一列有没有空值，然后根据这个判断结果来生成对应的new_cols列。

方法一：循环处理（逻辑直白） #

import numpy as np

# 先找出cols里哪些列存在空值，返回一个布尔Series，True代表该列有缺失
cols_with_null = df[cols].isnull().any(axis=0)

# 逐个列处理
for old_col, new_col in zip(cols, new_cols):
    if cols_with_null[old_col]:
        # 原列有空值，新列直接全设为NaN
        df[new_col] = np.nan
    else:
        # 原列无空值，执行相乘操作
        df[new_col] = df[old_col] * df["abc"]

方法二：矢量化操作（效率更高） #

如果数据量比较大，用矢量化操作更快，不用循环：

# 先算出所有列相乘的结果
calc_result = df[cols].multiply(df["abc"], axis="index")
# 把那些原列有空值的结果替换成NaN
df[new_cols] = calc_result.where(~cols_with_null, np.nan)

注意：别再提前把NaN替换成0了，我们需要保留原数据的空值来做判断，替换成0会干扰我们的条件检查。

内容的提问来源于stack exchange，提问作者pymat