如何实现单一行Pandas DataFrame与多行DataFrame的对应列算术运算？

初始化数据 #

首先定义问题中的两个DataFrame：

import pandas as pd

df1 = pd.DataFrame({"Amounts": [1.1, 2.2, 3.3]})
df2 = pd.DataFrame({"A": [500, 600, 700, 800, 900], 
                    "B": [250, 750, 900, 500, 200], 
                    "C": [450, 125, 600, 200, 800]})

对应列减法运算 #

要实现df1的每个值对应减去df2的列（1.1减A列、2.2减B列、3.3减C列），可以利用Pandas的索引对齐和广播机制：

1. 将df1的数值转换成Series，索引设置为df2的列名，确保值和列的对应关系
2. 执行减法运算（支持直接用运算符或Pandas的sub方法）

# 生成匹配df2列名的Series
subtract_series = pd.Series(df1['Amounts'].values, index=df2.columns)

# 方法1：用运算符实现
result_sub = subtract_series - df2

# 方法2：用Pandas内置方法实现
# result_sub = df2.sub(subtract_series, axis='columns')

运算结果：

A      B      C
0 -498.9 -247.8 -446.7
1 -598.9 -747.8 -121.7
2 -698.9 -897.8 -596.7
3 -798.9 -497.8 -196.7
4 -898.9 -197.8 -796.7

对应列乘法运算 #

乘法的实现逻辑和减法完全一致，替换成乘法操作即可：

# 同样生成匹配列名的Series
multiply_series = pd.Series(df1['Amounts'].values, index=df2.columns)

# 方法1：用运算符实现
result_mul = df2 * multiply_series

# 方法2：用Pandas内置方法实现
# result_mul = df2.multiply(multiply_series, axis='columns')

运算结果：

A      B      C
0  550.0  550.0  1485.0
1  660.0  1650.0  412.5
2  770.0  1980.0  1980.0
3  880.0  1100.0  660.0
4  990.0   440.0  2640.0

注意事项 #

• 用Series索引匹配的方式不依赖列的顺序，比直接用数组运算（如df1['Amounts'].values - df2.values）更鲁棒，推荐优先使用
• Pandas会自动对齐索引/列名，只要Series的索引和df2的列名一一对应，就能自动完成逐列运算

内容的提问来源于stack exchange，提问作者Tim Starr