如何对Pandas DataFrame执行逐元素运算以构建95%置信区间

利用Pandas原生向量化运算能力，无需循环即可完成逐元素的置信区间计算，实现方案如下：

首先补全示例代码缺失的依赖导入：

import pandas as pd
import numpy as np
import scipy.stats as st

rows = (1, 2)
col1 = ["mean_x", "mean_y"]
col2 = ["std_x", "std_y"]

data1 = ([10, 20], [5, 10])
data2 = ([1, 2], [0.5, 1])

df1 = pd.DataFrame(data1, index = rows, columns = col1)
df2 = pd.DataFrame(data2, index = rows, columns = col2)

核心运算步骤：

• 计算95%双侧置信区间对应的Z临界值
  z_critical = st.norm.ppf(0.975)
• 对齐两个DataFrame的列名，保证均值和标准误按变量一一对应
  df2.columns = df1.columns
• 逐元素计算置信区间上下限

  ci_low = df1 - z_critical * df2
  ci_high = df1 + z_critical * df2
  

• 按需生成最终结果表：
  1. 单变量列存储(下限, 上限)元组格式

  df_ci = pd.DataFrame({
      col: list(zip(ci_low[col].round(2), ci_high[col].round(2)))
      for col in df1.columns
  }, index=df1.index)
  

  2. 拆分上下限列的宽表格式

  df_ci = ci_low.join(ci_high, lsuffix='_lower', rsuffix='_upper').sort_index(axis=1)
  

提示：如果两个DataFrame的索引、列顺序不是严格对应，可先执行df1, df2 = df1.align(df2.rename(columns=lambda x: x.replace('std_', 'mean_')), join='inner')自动对齐行列，避免运算错误。

使用示例数据运行后，元组格式的输出结果如下：

内容的提问来源于stack exchange，提问作者Cooper