如何对列数不确定的DataFrame进行GDP增长计算？

假设你的DataFrame结构类似这样（初始GDP列+年份增长率列）：

import pandas as pd

# 示例数据，列数可扩展
df = pd.DataFrame({
    'GDP': [1500, 2800, 3200],
    '2004': [4.2, 5.1, 3.8],
    '2005': [5.5, 4.9, 6.0],
    '2006': [3.9, 5.3, 4.5],
    # 后续可添加更多年份列，比如2007、2008等
})

核心解决方案（无需循环，高效向量化操作） #

直接利用pandas的累积乘积功能，避免手写循环容易出现的疏漏：

1. 筛选增长率列：自动识别2004及之后的年份列（兼容字符串/整数类型的列名）
2. 转换增长率为乘数：将百分比转换为增长因子（如5% → 1.05）
3. 计算累积增长乘积：逐年计算从初始GDP开始的累积增长倍数
4. 生成各年份实际GDP：用初始GDP乘以累积倍数得到结果

完整代码：

import pandas as pd

# 1. 筛选增长率列：排除GDP列，且列名是2004及以后的年份
def get_growth_cols(df):
    growth_cols = []
    for col in df.columns:
        if col == 'GDP':
            continue
        try:
            year = int(col)
            if year >= 2004:
                growth_cols.append(col)
        except ValueError:
            # 列名不是年份格式则跳过
            continue
    # 按年份排序，确保计算顺序正确
    growth_cols.sort(key=lambda x: int(x))
    return growth_cols

growth_cols = get_growth_cols(df)

# 2. 转换增长率为增长因子（1 + 增长率/100）
growth_factors = 1 + df[growth_cols] / 100

# 3. 计算累积乘积：每一行的累积增长倍数
cumulative_factors = growth_factors.cumprod(axis=1)

# 4. 计算各年份实际GDP，合并初始GDP列
gdp_results = pd.concat([
    df['GDP'],
    df['GDP'].values[:, None] * cumulative_factors
], axis=1)

# 查看结果
print(gdp_results)

结果示例 #

运行后会得到包含初始GDP和各年份实际GDP的DataFrame：

GDP        2004        2005        2006
0  1500  1563.0000  1649.9650  1714.3135
1  2800  2942.8000  3087.0572  3249.7660
2  3200  3321.6000  3519.6960  3680.0688

为什么不用循环？ #

pandas的向量化操作比itertuples或手动for循环效率高得多（尤其是数据量较大时），且代码逻辑更清晰，能避免循环中容易出现的索引错误、顺序错误等疏漏。如果后续新增年份列，只需重新运行代码，无需修改逻辑，完全适配动态列数的需求。

内容的提问来源于stack exchange，提问作者Bruno S