如何基于行索引和列名实现两个DataFrame的对应值相乘？

嘿，这个需求用pandas自带的功能就能完美解决，根本不用复杂的循环~

核心思路就是利用pandas的自动对齐特性：当你对两个DataFrame做乘法运算时，它会自动匹配行索引和列名，只有同时存在的索引和列的对应位置才会相乘，不匹配的位置会保留NaN，正好符合你要的规则。

具体实现代码 #

先把你的DF1和DF2构造出来（方便复现）：

import pandas as pd

# 构造DF1
data1 = {
    'GOOG': [None, None],
    'AAPL': [150, -150],
    'XOM': [None, None],
    'IBM': [None, 400],
    'Cash': [None, None]
}
DF1 = pd.DataFrame(data1, index=['2009-01-14', '2009-01-21'])
DF1.index.name = 'Date'

# 构造DF2
data2 = {
    'GOOG': [None, None],
    'AAPL': [100, 30],
    'XOM': [None, None],
    'IBM': [None, 15],
    'Cash': [None, None]
}
DF2 = pd.DataFrame(data2, index=['2009-01-14', '2009-01-21'])
DF2.index.name = 'Date'

然后直接用乘法运算就行，两种方式都可以：

方式1：用mul()方法（更灵活，支持额外参数）

result_df = DF1.mul(DF2)

方式2：直接用*运算符（更简洁）

result_df = DF1 * DF2

运行结果 #

不管用哪种方式，得到的结果都是你想要的：

GOOG    AAPL  XOM     IBM  Cash
Date                                       
2009-01-14   NaN  15000.0  NaN     NaN   NaN
2009-01-21   NaN  -4500.0  NaN  6000.0   NaN

额外说明 #

如果你的DF1和DF2存在索引或列不完全一致的情况，比如DF1多了一个日期索引，或者DF2多了一个列，这个方法依然有效：不匹配的索引/列对应的位置会自动填充NaN，完全符合你的需求~

内容的提问来源于stack exchange，提问作者Nerblo