如何用Pythonic方式为Pandas DataFrame生成加权求和新列？

直接用Pandas的向量化操作就能解决，完全不用手动写每一列的计算，不管列数是10还是100都适用，核心思路是给每一列分配对应权重后按行求和。

方法一：用mul+sum（直观易读） #

先确定你要计算的目标列列表，然后生成对应权重数组，再用mul给每一列乘权重，最后按行求和：

import pandas as pd
import numpy as np

# 假设你的DataFrame是df，目标列是cols（比如取前10列，或指定列名列表）
cols = df.columns[:10]  # 若列是col1-col100，可写成cols = [f'col{i}' for i in range(1, 101)]

# 生成权重：对应11-1, 11-2,...11-n（n为列数）
weights = 11 - np.arange(1, len(cols)+1)

# 计算新列
df['newcol'] = df[cols].mul(weights).sum(axis=1)

方法二：矩阵乘法（性能更优，适合大列数） #

当列数很多时，直接用矩阵乘法@效率更高：

df['newcol'] = df[cols].values @ weights

验证示例 #

比如构造一个小数据集测试：

df = pd.DataFrame({
    'col1': [1, 2],
    'col2': [3, 4],
    'col3': [5, 6]
})
cols = df.columns
weights = 11 - np.arange(1, len(cols)+1)  # 权重为[10,9,8]
df['newcol'] = df[cols].mul(weights).sum(axis=1)
# 结果：第一行1*10+3*9+5*8=77，第二行2*10+4*9+6*8=104，和手动计算一致

内容的提问来源于stack exchange，提问作者Brian Vu