Python中如何让DataFrame整列与标量正确执行数值乘法运算

df = pd.DataFrame(pd.read_csv("SPOILER_Monster_Hunt.csv"))
df.columns = ["S/No", "Member_Name", "L1", "L2", "L3", "L4", "L5"]
#some modifications below
df = df.drop(index=0)
df = df.drop(columns='S/No')
df = df.fillna(0)

 #Adjusting points with monster levels
df['L1'] = df['L1'] * 50
df['L2'] = df['L2'] * 150
df['L3'] = df['L3'] * 300
df['L4'] = df['L4'] * 1000
df['L5'] = df['L5'] * 2000

df.head()
# show the dataframe
print(df)

异常表现：执行列与标量的乘法操作时，列内值会被重复对应次数，例如运行df['L1'] = df['L1']*50时，L1列内容被重复50次，无法实现单元格数值与标量做算术乘法的预期效果。

异常本质是类型不匹配：read_csv读入数据时，L1-L5列被识别为字符串（object）类型，而非数值类型。Python原生逻辑中，字符串乘整数的效果是将字符串重复对应次数，和数值乘法逻辑完全不同，因此触发异常。
执行print(df.dtypes)即可验证，输出中L1-L5列的类型会显示为object，而非int64/float64。

任选一种方案即可解决：

• 方案1（兼容性最好，推荐）：完成基础数据清洗后，手动将参与计算的列转换为数值类型，再执行乘法计算，修正后完整代码如下：

import pandas as pd
df = pd.read_csv("SPOILER_Monster_Hunt.csv")
df.columns = ["S/No", "Member_Name", "L1", "L2", "L3", "L4", "L5"]

df = df.drop(index=0)
df = df.drop(columns='S/No')
df = df.fillna(0)

# 新增：将等级列统一转换为整数类型
level_columns = ["L1", "L2", "L3", "L4", "L5"]
df[level_columns] = df[level_columns].astype(int)

# 后续积分计算逻辑可正常执行算术乘法
df['L1'] = df['L1'] * 50
df['L2'] = df['L2'] * 150
df['L3'] = df['L3'] * 300
df['L4'] = df['L4'] * 1000
df['L5'] = df['L5'] * 2000

print(df.head())
print(df)

• 方案2：读入数据时直接跳过第一行脏数据（当前代码中drop(index=0)就是删除这行异常数据），让pandas自动识别列类型，无需手动转换：

import pandas as pd
# 读入时跳过第1行脏数据，自动识别数值列类型
df = pd.read_csv("SPOILER_Monster_Hunt.csv", skiprows=1)
df.columns = ["S/No", "Member_Name", "L1", "L2", "L3", "L4", "L5"]

df = df.drop(columns='S/No')
df = df.fillna(0)

# 后续乘法逻辑可直接正常运行
df['L1'] = df['L1'] * 50
df['L2'] = df['L2'] * 150
df['L3'] = df['L3'] * 300
df['L4'] = df['L4'] * 1000
df['L5'] = df['L5'] * 2000

print(df.head())

内容的提问来源于stack exchange，提问作者Junaid Ahmed