含NaN值的两个DataFrame实现按行SUMPRODUCT运算的高效方案

你现有代码返回NaN的核心原因是：NumPy中NaN与任意数值运算结果仍为NaN，求和时不会自动忽略这类异常值。

两种高效的矢量化实现方式，均满足NaN按0处理的要求，性能远高于循环遍历：

方法1：Pandas原生fillna处理（推荐，可读性最高） #

直接用fillna(0)先把两个DataFrame里的空值替换为0，再做乘积累加：

df['z'] = (df['x'].fillna(0) * df['y'].fillna(0)).sum(axis=1)

针对你的示例数据计算结果如下：

• 第一行：2*2 +5*3 +9*4 = 55
• 第二行：0*2 +4*2 +7*3 = 29
• 第三行：3*1 +0*2 +3*3 = 12

方法2：NumPy nan_to_num处理（大内存数据下性能略优） #

如果数据量极大（百万行以上），用NumPy的nan_to_num直接在数组层面替换空值，内存开销更低：

import numpy as np
df['z'] = (np.nan_to_num(df['x']) * np.nan_to_num(df['y'])).sum(axis=1)

内容的提问来源于stack exchange，提问作者JoshZ