同维度Pandas DataFrame按行相乘遇异常：NaN或自乘问题求助

问题分析 #

你遇到的两个问题原因很明确：

• 第一种方法全NaN：只对齐了行索引，但列名未匹配，Pandas元素相乘会同时按行索引和列名对齐，列名不对应时就会填充NaN。
• 第二种方法得到df2*df2：apply(lambda row: row*row, axis=1)本身就是让df2每行自乘，和df1完全无关，逻辑用错了。

正确解决方案 #

1. 先确保列名完全一致 #

先检查两个DataFrame的列名是否匹配：

print(df1.columns.equals(df2.columns))

如果返回False，把df2的列名改成和df1一致：

df2.columns = df1.columns

2. 直接执行元素相乘 #

列名匹配后，直接用乘法运算符或mul方法即可：

# 方法1：直接用*运算符
df_result = df1 * df2

# 方法2：用mul方法明确指定按轴对齐（可选，更清晰）
df_result = df1.mul(df2, axis=0)

两种方法都会实现对应位置的元素相乘，因为维度一致且列名对齐，不会出现NaN或错误自乘的情况。

错误代码解析 #

• 错误代码1：

  df2 = df2.set_index(df1.index)
  df1 = df1 * df2
  

  仅对齐行索引没用，列名不匹配的话，Pandas找不到对应列的元素，结果全为NaN。

• 错误代码2：

  df1 = df2.apply(lambda row:row*row,axis = 1)
  

  这里的row*row是让df2的每行元素自己乘自己，完全没用到df1，自然得到df2*df2的结果。

内容的提问来源于stack exchange，提问作者geaa