如何用嵌套For循环实现两个DataFrame变量相乘生成新DataFrame？

核心思路 #

不用For循环，利用Pandas的矢量化操作和数据格式转换实现高效匹配计算，步骤如下：

步骤1：构造示例数据（替换为你的真实数据即可） #

import pandas as pd
import numpy as np

# df_A：全年每日乘法系数，这里生成2022-2025年的每日数据
dates = pd.date_range(start='2022-01-01', end='2025-12-31', freq='D')
df_A = pd.DataFrame({
    'date': dates,
    'multiplication_factor': np.random.uniform(0.003, 0.005, len(dates))
})

# df_B：5个类别2022-2025年度量
df_B = pd.DataFrame({
    'category': ['cat1', 'cat2', 'cat3', 'cat4', 'cat5'],
    '2022': [1000, 1200, 800, 1500, 900],
    '2023': [1100, 1300, 850, 1600, 950],
    '2024': [1200, 1400, 900, 1700, 1000],
    '2025': [1300, 1500, 950, 1800, 1050]
})

步骤2：处理日期与格式转换 #

• 从df_A的日期中提取年份，用于和df_B的年度列匹配
• 将df_B的宽格式转换为长格式，让每个「类别-年份」对应一条年度量记录

# 提取df_A的年份
df_A['year'] = df_A['date'].dt.year

# 转换df_B为长格式
df_B_long = df_B.melt(
    id_vars='category',
    var_name='year',
    value_name='annual_volume'
)
# 把年份列转为整数类型，确保匹配时类型一致
df_B_long['year'] = df_B_long['year'].astype(int)

步骤3：匹配数据并计算每日量 #

通过年份合并两个数据集，直接对整列进行乘法运算（矢量化操作，比循环效率高很多）：

# 按年份合并数据
merged_df = pd.merge(df_A, df_B_long, on='year', how='left')

# 计算每日量：年度量 × 每日乘法系数
merged_df['daily_volume'] = merged_df['annual_volume'] * merged_df['multiplication_factor']

步骤4：整理结果（可选） #

根据需求调整列顺序或排序：

# 调整列顺序，方便查看
result_df = merged_df[['category', 'date', 'year', 'annual_volume', 'multiplication_factor', 'daily_volume']]
# 按类别和日期排序
result_df = result_df.sort_values(by=['category', 'date']).reset_index(drop=True)

关键说明 #

• 矢量化操作：Pandas的列运算会自动遍历所有行，无需手动写For循环，代码更简洁且性能更优
• 格式转换：宽转长是实现多类别-年度匹配的核心，避免了循环遍历每个类别和年份的繁琐操作

内容的提问来源于stack exchange，提问作者stuggling_grad