Python Pandas：循环转置DataFrame指定列相乘遇空值问题求助

先重现你的场景代码，方便大家理解问题：

import pandas as pd

ddd = pd.DataFrame({'a' : [1,1,1],'b' : [1,1,1],'c' : [1,1,1],'d' : [1,1,1],'e' : [1,1,1] })
fff = pd.DataFrame({'a' : [3,3,3]})

你期望将ddd的b、c、d列与fff的a列相乘，得到指定的输出结果，但之前的循环代码返回了全空值，下面来分析原因并给出解决方案。

为什么你的循环代码会得到空值？ #

你之前的代码：

for i in range(3):
    print(fff.a.T.multiply(ddd.iloc[i,1:4]))

核心问题是索引不匹配：

• fff.a.T转置后是一个Series，它的索引是[0,1,2]（对应原fff的行索引）
• ddd.iloc[i,1:4]取的是ddd第i行的b、c、d列，这个Series的索引是['b','c','d']
  当两个索引完全不匹配的Series相乘时，Pandas无法找到对应匹配的值，因此结果全为NaN。

正确的解决方案（优先推荐无循环的向量化操作） #

Pandas的向量化操作效率远高于循环，完全不需要写循环就能实现需求：

# 直接对ddd的b、c、d列，与fff的a列按行相乘并赋值
ddd[['b', 'c', 'd']] = ddd[['b', 'c', 'd']].multiply(fff['a'], axis=0)
print(ddd)

运行后就能得到你想要的结果：

a  b  c  d  e
0  1  3  3  3  1
1  1  3  3  3  1
2  1  3  3  3  1

如果一定要用循环实现（不推荐，仅作演示） #

如果坚持要使用循环，需要确保相乘的两个对象索引匹配，比如直接取fff的标量值进行计算：

for i in range(3):
    # 取出fff对应行的a值作为标量，与ddd对应行的b、c、d列相乘
    ddd.loc[i, ['b', 'c', 'd']] = ddd.loc[i, ['b', 'c', 'd']] * fff['a'].iloc[i]
print(ddd)

这个方法也能得到正确结果，但对于大数据集来说，循环的执行效率会比向量化操作低很多，所以优先推荐前面的无循环方案。

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