如何根据DataFrame列名（年份）为各时间序列应用对应调整系数

根因说明 #

你现有代码的问题在于循环过程中adjusted_factor变量会被不断覆盖，循环结束后该变量仅保留最后一列对应的调整系数，调用mul方法时全表都会乘这个单一值，无法实现按列匹配不同系数的需求。

实现代码 #

方案1：可读性优先写法 #

import pandas as pd

# 统一将列名转为整数类型，避免字符串年份和整数比较出错
df_difference.columns = df_difference.columns.astype(int)

# 按列生成对应调整系数
factor_list = []
for year in df_difference.columns:
    if year < 2020:
        z = ((year - 2010) / 2020) * 100
        adjusted_factor = z * 0.5
    else:
        adjusted_factor = 0.5
    factor_list.append(adjusted_factor)

# 构造与DataFrame列对齐的系数序列
factor_series = pd.Series(factor_list, index=df_difference.columns)

# 按列对应相乘，axis=1表示匹配列维度的索引
df_incremental_difference = df_difference.mul(factor_series, axis=1)

方案2：简洁写法 #

用列表推导式简化系数生成逻辑：

df_difference.columns = df_difference.columns.astype(int)
factor_series = pd.Series(
    [((y-2010)/2020*100)*0.5 if y < 2020 else 0.5 for y in df_difference.columns],
    index=df_difference.columns
)
df_incremental_difference = df_difference.mul(factor_series, axis=1)

注意：如果你的列名本身已经是整数类型的年份，可以省略转换列名类型的步骤。

内容的提问来源于stack exchange，提问作者cside