基于索引值对DataFrame全列执行乘法运算的实现方法

有两个均以Age为索引的DataFrame，需要将倍率数据中对应年龄的倍率，应用到人口数据的各城镇列上。

数据示例 #

倍率数据（单列DataFrame） #

import pandas as pd
import numpy as np

rate_for_yr = pd.DataFrame(np.array([[15,90],[16,80],[17,70]]),
                   columns=["Age","2020"])
rate_for_yr = rate_for_yr.set_index('Age')

人口数据（多列DataFrame） #

pop_by_town = pd.DataFrame(np.array([[15, 1, 2, 3, 4, 5, 6], [16, 7, 8, 9, 10, 11, 12], [17, 13, 14, 15, 16, 17, 18]]),
                   columns=["Age","townA", "townB", "townC", "townD", "townE", "townF"])
pop_by_town = pop_by_town.set_index('Age')

期望输出 #

利用pandas的索引对齐与广播特性，直接将人口DataFrame与倍率Series相乘即可，自动处理索引匹配与多列批量计算：

# 提取倍率列作为Series，与人口DataFrame按索引相乘
result = pop_by_town * rate_for_yr['2020']

# 可选：过滤出需要的城镇列（如示例中的前3列）
result = result[['townA', 'townB', 'townC']]

# 可选：移除索引不匹配导致的NaN行（如Age=17）
result = result.dropna()

print(result)

原理说明 #

• 两个对象共享Age索引，pandas会自动匹配相同索引的行进行计算
• 单列倍率Series会被广播到人口DataFrame的所有列，实现逐行对应的倍率批量应用
• 索引不匹配的行（如Age=17）会生成NaN，可通过dropna()过滤

内容的提问来源于stack exchange，提问作者GlassShark1