如何简化pandas多组配对列相乘后求和的实现代码？

• 你之前的简化代码存在两个核心问题，另外原始手写公式也有笔误：
  • 列名匹配逻辑错误：代码中用数字i拼接列名，但实际列名后缀是科目字符串（math/chemistry/physic），无法匹配到目标列
  • 遍历范围错误：range(1,3)只会生成1、2两个值，漏了物理科目的计算项
  • 手写公式笔误：你贴的原始计算式末尾缺少一个右括号，运行会触发语法错误，补上即可

方案1：最小改动修正版（和原写法逻辑完全对齐） #

直接遍历科目名后缀做列名拼接，不需要用数字下标，写法直观不容易错：

# 列出需要计算的科目后缀
subject_list = ["math", "chemistry", "physic"]
df["total"] = sum(df[f"grade_{sub}"] * df[f"CS_{sub}"] for sub in subject_list)

说明：这个写法的计算逻辑和你手写的逐列相乘再相加完全一致，pandas会自动对同索引的Series做逐行运算，适合科目数量不多的场景。

方案2：pandas原生向量化写法（性能更优，适合多列场景） #

如果后续科目会新增、不想手动维护科目列表，可以直接按列名前缀筛选目标列，做向量化运算，数据量大时性能比循环写法更好：

# 筛选同组列，排序保证两组列的科目顺序一一对应
grade_columns = sorted(col for col in df.columns if col.startswith("grade_"))
cs_columns = sorted(col for col in df.columns if col.startswith("CS_"))

# 对应列逐行相乘后，按行求和得到总分
df["total"] = df[grade_columns].mul(df[cs_columns].to_numpy()).sum(axis=1)

注意：使用这个方法必须确认两组筛选出来的列顺序完全对应，加sorted()是为了避免列顺序混乱导致计算错位。

以上两种方案用你提供的示例DataFrame计算，结果和手写公式完全一致：ID为1的行total值为26.5，ID为2的行total值为29，ID为3的行total值为16。

内容的提问来源于stack exchange，提问作者skywalker56