如何实现Pandas多DataFrame按列与另一DataFrame对应行元素相乘

实现方案 #

你可以借助Pandas的广播特性配合循环完成需求，不需要手动逐列遍历，适配从文件批量读取DataFrame的场景，实现代码如下：

步骤说明 #

• 先将所有待处理的DataFrame存入一个列表dfs，如果是从文件读取，读入时直接追加到该列表即可，不需要单独定义a/b/c变量
• 循环遍历列表的索引和对应DataFrame，直接用x的对应行与DataFrame做乘法运算，Pandas会自动将行内的每个元素匹配到对应列做整列相乘，同时保留原始NaN值

完整代码 #

import pandas as pd
import numpy as np

# -------------------- 以下是示例数据 --------------------
d = {'aa_10' : pd.Series([np.nan, 2, 3, 4]),
     'bb_11' : pd.Series([6, np.nan, 8, 9]),
     'cc_12' : pd.Series([1, 2, np.nan, 4]),
     'dd_13' : pd.Series([6, 7, 8, np.nan])}
a = pd.DataFrame(d)

d = {'aa_10' : pd.Series([np.nan, 12, 13, 14]),
     'bb_11' : pd.Series([16, np.nan, 18, 19]),
     'cc_12' : pd.Series([11, 12, np.nan, 14]),
     'dd_13' : pd.Series([16, 17, 18, np.nan])}
b = pd.DataFrame(d)

d = {'aa_10' : pd.Series([np.nan, 21, 31, 41]),
     'bb_11' : pd.Series([61, np.nan, 81, 91]),
     'cc_12' : pd.Series([11, 21, np.nan, 41]),
     'dd_13' : pd.Series([61, 71, 81, np.nan])}
c = pd.DataFrame(d)

d = {'aa_10' : pd.Series([1, 2, 3]),
     'bb_11' : pd.Series([6, 7, 8]),
     'cc_12' : pd.Series([10, 11, 12]),
     'dd_13' : pd.Series([13, 14, 15])}
x = pd.DataFrame(d)
# -------------------- 示例数据结束 --------------------

# 核心实现逻辑
# 1. 待处理DataFrame存入列表，文件读取场景下可以边读边append
dfs = [a, b, c]
processed_dfs = []

for idx, df in enumerate(dfs):
    # 可选：如果不确定x的列顺序是否和df一致，可以加下行强制对齐列顺序
    # x = x[df.columns]
    processed_df = df * x.iloc[idx]
    processed_dfs.append(processed_df)

# 查看处理后的结果
# 处理后的a
print(processed_dfs[0])
# 处理后的b
print(processed_dfs[1])
# 处理后的c
print(processed_dfs[2])

说明 #

该方案支持任意数量的待处理DataFrame，无需修改循环逻辑，仅需调整dfs列表的内容即可，向量化运算的效率也远高于逐列循环遍历。

内容的提问来源于stack exchange，提问作者R S John