Python如何将DataFrame每行乘另一DataFrame对应列后按行求和生成新列

问题根因 #

你使用df_ret.mul(df2.weight)得到全NaN结果的核心原因是pandas的二元运算默认按索引对齐：df2.weight的索引是默认生成的整数序列0、1、2、3，和df_ret的列名FR、GR、IT、F完全不匹配，运算时找不到对应位置就会返回NaN。

解决方案 #

只需要先将权重的索引和df_ret的列名对齐，再进行运算即可，有两种常用实现方式：

import pandas as pd

# 示例数据
df = pd.DataFrame({
     'FR': [4.0405, 4.0963, 4.3149],
     'GR': [1.7246, 1.7482, 1.8519],
     'IT': [804.74, 810.01, 860.13],
     'F':  [8.4, 10.01, 60.3]},
     index=['1980-01-01', '1980-02-01', '1980-03-01'])
df_ret = df.pct_change()

df2 = pd.DataFrame({'symbol':['FR','GR','IT','F'],
                    'weight' : [0.2,0.3,0.1,0.4]})

# 第一步：将symbol设为权重的索引，和df_ret的列名对齐
weight_s = df2.set_index('symbol')['weight']

# 方案1：逐列对齐相乘后按行求和
df['port'] = df_ret.mul(weight_s, axis=1).sum(axis=1)

# 方案2：用矩阵点积更简洁高效，自动完成对应相乘求和的操作
# df['port'] = df_ret.dot(weight_s)

补充说明 #

df_ret第一行是pct_change生成的空值，所以最终port列第一行也会是空值，符合业务逻辑，如果需要填充可以在求和后追加.fillna(0)等处理。

内容的提问来源于stack exchange，提问作者sam_sam