Python pandas多列对应相乘求和是否有简化实现方法？

你不需要额外引入其他第三方库，Pandas原生就支持多种简洁实现，完全可以替代逐列硬编码的写法：

• 向量化点乘方案（最推荐，性能最好、扩展性最强）
  只要按规则提取课程列、对应学分列，直接做向量化运算即可，和你手写的计算逻辑完全一致，后续新增课程列也不需要修改代码：

# 批量提取对应列
course_cols = [c for c in df.columns if c.startswith('Course')]
weight_cols = [c for c in df.columns if c.startswith('Score_')]
# 按行求和得到总分
df['total'] = (df[course_cols].to_numpy() * df[weight_cols].to_numpy()).sum(axis=1)

这个写法用了Pandas底层的numpy向量化运算，就算是百万行级别的数据计算速度也非常快，而且不用纠结两组列的列名大小写、命名细节，只要保证两组列的顺序一一对应就行。

• for循环实现（适合入门理解逻辑）
  如果刚接触想先理清楚计算逻辑，用循环逐对列累加也可以实现，写法比硬编码灵活：

df['total'] = 0
for c_col, w_col in zip(course_cols, weight_cols):
    df['total'] += df[c_col] * df[w_col]

注意这个写法因为是Python层面的循环，数据量超过10万行的时候运算效率会明显比向量化方案低，只适合小数据量场景或者学习逻辑用。

• 列名对齐计算方案（适合列名完全规范的场景）
  如果你后续把列名统一成完全对应的格式（比如把Score_course1改成Score_Course1，和Course1的命名规则完全匹配），还可以直接按列名对齐做乘法，连列顺序都不需要手动核对：

# 提取学分列并去掉前缀，和课程列名对齐
weight_df = df.filter(like='Score_').rename(columns=lambda x: x.replace('Score_', ''))
course_df = df.filter(like='Course')
# 列名自动匹配后按行求和
df['total'] = course_df.mul(weight_df).sum(axis=1)

注意：你当前提供的示例数据里第一列学分的列名是Score_course1（course首字母小写），和课程列Course1大小写不匹配，直接用这个方法会出现匹配缺失的空值，需要先统一列名格式再使用。

内容的提问来源于stack exchange，提问作者machine learning newbie