pandas DataFrame设置列名后iloc乘法出现NaN的原因及解决方法

pandas中DataFrame与Series执行算术运算时，默认会将Series的索引与DataFrame的列索引做对齐匹配，匹配不到的位置就会返回NaN：

• test1中df.iloc[:, 0:3]的列索引是整数[0,1,2]，和df['Count']这个Series的行索引（0~9的连续整数）恰好能匹配到前3个值，所以巧合返回了符合预期的有效值，本质上这种写法的逻辑也是不严谨的。
• test2中df.iloc[:, 0:3]的列索引是字符串['find','a','b']，和df['Count']的整数行索引完全无法匹配，所以运算后全部返回NaN。

你只需要指定运算时Series沿列方向对齐（也就是匹配行索引，沿列广播）即可，有两种常用改法：

1. 显式指定乘的方向，用pandas.DataFrame.mul的axis参数：

df.iloc[:, 0:3] = df.iloc[:, 0:3].mul(df['Count'], axis=0)

2. 直接取Series的numpy数组运算，跳过索引对齐逻辑：

df.iloc[:, 0:3] *= df['Count'].values

不需要强制所有场景都用mul，但建议符合以下任意一种情况时优先用mul/add这类显式算术方法：

• 需要控制对齐规则、广播方向时
• 列索引/行索引存在类型、命名不一致的可能时
• 代码需要更高可读性、可维护性时
  如果你的操作完全是按位置运算、不需要索引对齐，直接用.values取数组运算也非常高效。

内容的提问来源于stack exchange，提问作者sam_doggy