pandas 1.3.4正常运行的DataFrame.mul代码在1.4.2版本报类型错误

pandas 1.4.0 版本对算术运算的广播对齐逻辑做了严格化修正，这是触发版本兼容问题的核心原因：

• 1.3.x 版本的DataFrame.mul等算术方法存在宽松的隐式广播逻辑：当传入无索引信息的一维numpy数组时，只要数组长度和某一个运算轴的长度匹配，就会默认按列方向做广播运算，不会做轴合法性校验，哪怕数组长度同时匹配行、列两个轴的长度，也不会抛错。
• 1.4.2 版本修复了上述未定义行为：如果传入的一维numpy数组长度同时匹配DataFrame的行数和列数，pandas无法自动判定广播方向，会直接抛出类型错误，不再执行隐式的默认轴选择，避免静默计算错误。

你代码中initial_appraisal.values取出的是一维numpy数组，当这个数组的长度恰好和minimum_balance_table的列数、行数都相等时，就会触发1.4.2版本的类型校验报错。
另外你写的engine_value.loc[:]['initial_appraised_value']属于冗余写法，和engine_value['initial_appraised_value']效果完全一致，不是报错诱因。

优先选第一种方案，跨版本兼容性最好，也符合pandas的官方写法规范：

• 显式指定运算轴，直接传入Series对象做对齐运算，不需要转numpy数组：

initial_appraisal = engine_value['initial_appraised_value']
# axis=0 表示按行索引对齐，将initial_appraisal的每个值逐行乘到minimum_balance_table的所有列上
minimum_balance_table = minimum_balance_table.mul(initial_appraisal, axis=0)

如果确实需要传入numpy数组运算，可以通过reshape明确数组形状，消除广播歧义，比如数组长度和DataFrame行数匹配时，改成列向量形状传入：

initial_appraisal = engine_value['initial_appraised_value']
minimum_balance_table = minimum_balance_table.mul(initial_appraisal.values.reshape(-1, 1))

注意：不推荐通过锁定pandas到1.3.x版本规避问题，1.4及后续2.x全系列版本都沿用了这套严格校验逻辑，显式指定axis的写法可以兼容所有后续版本，也能避免隐式广播带来的静默计算错误。

内容的提问来源于stack exchange，提问作者AndyB