如何将带TimeSeriesIndex的Series与另一Series相乘生成指定结构DataFrame

核心需求为计算两个一维Series的外积，最终输出形状为(x,y)的DataFrame，行索引继承ser1的TimeSeriesIndex，列名继承ser2的索引。

方案1：Pandas原生实现（无额外依赖） #

利用pandas矩阵乘法广播机制实现，代码可读性更高：

import pandas as pd

# 示例数据
ser1 = pd.Series([100, 105, 110, 114, 89],index=pd.date_range(start='2021-01-01', end='2021-01-05', freq='D'), name='test')
ser2 = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])

# 核心计算逻辑
result = ser1.to_frame() @ ser2.to_frame().T

方案2：Numpy实现（运算效率更高） #

利用numpy的外积函数实现，适合大数据量场景：

import pandas as pd
import numpy as np

# 示例数据
ser1 = pd.Series([100, 105, 110, 114, 89],index=pd.date_range(start='2021-01-01', end='2021-01-05', freq='D'), name='test')
ser2 = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])

# 核心计算逻辑
result = pd.DataFrame(np.outer(ser1, ser2), index=ser1.index, columns=ser2.index)

方案选择建议 #

• 数据量较小、优先追求代码可维护性，选Pandas原生实现
• 数据量较大、优先追求运算性能，选Numpy实现

内容的提问来源于stack exchange，提问作者matsuo_basho