如何高效实现单行DataFrame与Series的广播相乘？

你的需求是将单行DataFrame的每一列与ratio序列的每个元素逐元素相乘，生成对应行数的结果DataFrame。以下是几种更简洁、符合Pandas惯用写法的实现方式，比手动转NumPy数组更直观易维护：

方法1：利用Pandas广播机制（最推荐） #

Pandas原生支持广播操作，无需手动调整数组形状，直接通过乘法或mul方法即可实现：

import pandas as pd
import numpy as np

df = pd.DataFrame({'col1': [1], 'col2': [10]})
ratio = pd.Series([0.1, 0.70, 0.2])

# 写法1：直接乘法
df_multiplied = df * ratio.values[:, np.newaxis]

# 写法2：使用mul方法指定轴，可读性更强
df_multiplied = df.mul(ratio, axis=0)

两种写法都会自动匹配形状，生成符合预期的结果，同时保留原DataFrame的列名。

方法2：列表推导+concat拼接 #

如果偏好显式生成每一行，可通过列表推导遍历ratio元素，再拼接成新DataFrame：

df_multiplied = pd.concat([df * r for r in ratio], ignore_index=True)

修正你的NumPy实现 #

你原代码存在语法错误，修正后的正确写法如下，但这种方式需要手动处理数组形状和类型转换，不如Pandas原生方法简洁：

result_array = np.tile(df.values, (len(ratio), 1)) * ratio.values.reshape(-1, 1)
df_multiplied = pd.DataFrame(result_array, columns=df.columns)

总结 #

优先选择df.mul(ratio, axis=0)，它充分利用Pandas内部优化，代码简洁可读性高，还能保留DataFrame的元数据信息，避免手动处理数组的繁琐步骤。

内容的提问来源于stack exchange，提问作者matt.aurelio