如何按列值匹配将pandas DataFrame指定列与Series相乘

问题定义 #

现有pandas DataFrame对象df与Series对象s，定义如下：

import pandas as pd
df = pd.DataFrame(
    [[0,0,10],[0,1,11],[1,0,12],[1,1,13],[2,0,14],[2,1,15]],
    columns=['a','b','val']
)
s = pd.Series([2,3])

两个对象的基础结构：

• df 原始数据：

• s 原始数据：

计算规则 #

将s的索引值与df的b列值做匹配，取匹配到的s值乘以对应行的val列值，预期val列从原始的[10, 11, 12, 13, 14, 15]转换为[20, 33, 24, 39, 28, 45]。

实现方法 #

推荐方法：map映射（效率最高、写法最简洁） #

直接用b列映射s的取值，拿到每行对应的乘数后和val列做乘法即可，不需要依赖MultiIndex、GroupBy等复杂逻辑：

df['val'] = df['val'] * df['b'].map(s)

执行后打印df可得到完全符合预期的结果：

a  b  val
0  0  0   20
1  0  1   33
2  1  0   24
3  1  1   39
4  2  0   28
5  2  1   45

备选方法：replace匹配 #

逻辑和map一致，写法如下：

df['val'] = df['val'] * df['b'].replace(s)

常见无效尝试原因说明 #

直接调用.mul()方法时，pandas默认按行索引对齐做广播运算，而非按指定列的值匹配，因此会出现空值或计算错位；用.apply()逐行判断匹配的写法运行效率远低于向量化的map操作，写法也更冗余。

内容的提问来源于stack exchange，提问作者konstanze