Python/pandas实现标量列表与向量分组逐元素乘法的方法

原代码的双层循环直接将每一次单值计算的i*j追加到最外层列表，没有为a中的每个标量单独创建存储整组计算结果的子列表，因此最终得到的是扁平化的一维列表，不符合分组嵌套的预期结构。

方法1：修正原生循环逻辑 #

遍历a中每个标量时，先初始化临时子列表存储当前标量与b所有元素逐元素相乘的结果，整组计算完成后再将子列表追加到总结果中：

df = []
a = [1,2]
b = [1,2,3,4]

for i in a:
    sub_result = []
    for j in b:
        sub_result.append(i * j)
    df.append(sub_result)

运行后df的值即为预期的[[1,2,3,4], [2,4,6,8]]。
也可以用列表推导式简化写法，不需要显式写内层append逻辑：

a = [1,2]
b = [1,2,3,4]
df = [[i * j for j in b] for i in a]

方法2：pandas向量化实现（大数据量场景更高效） #

不需要手写循环，利用numpy/pandas的广播机制直接完成批量计算，结果可直接转为DataFrame：

import pandas as pd
import numpy as np

a = [1,2]
b = [1,2,3,4]

# 广播计算得到二维结果数组
result_array = np.array(a).reshape(-1, 1) * np.array(b)
# 转为DataFrame，列名可直接用b的元素值
df = pd.DataFrame(result_array, columns=b)

最终得到的DataFrame结构如下，每一行对应a中一个标量与b逐元素相乘的结果：

1  2  3  4
0  1  2  3  4
1  2  4  6  8

如果需要嵌套列表格式的结果，调用result_array.tolist()即可拿到[[1,2,3,4], [2,4,6,8]]。

内容的提问来源于stack exchange，提问作者xboxuser