如何将DataFrame的所有数值列与一维数组逐行相乘？

你写的newdf = df * mult无法得到预期结果，本质是两个问题：

• 广播方向错配：pandas的DataFrame和一维数组做算术运算时，默认沿着列方向匹配维度，会把一维数组的每个元素对应到一列做乘法。你给的mult长度和DataFrame的行数一致，但和列数不匹配，最终计算结果会全是空值，完全不符合逐行相乘的预期。
• 文本列无意义参与运算：就算广播方向正确，文本列和数字做乘法也会触发类型不兼容问题，要么报错要么输出空值，破坏原始文本列的内容。

结合你的DataFrame结构（1个非唯一文本列+若干float数值列），优先用pandas原生的mul方法实现，代码量最少也最符合pandas的使用习惯：

• 核心逻辑：先筛选出所有数值列，调用mul方法指定axis=0（沿行方向广播匹配），让mult数组逐行对应相乘，完全不修改原始文本列的内容。

# 自动识别所有数值类型列，不需要手动罗列每个数值列的列名
numeric_cols = df.select_dtypes(include='number').columns
# 逐行相乘，可以直接修改原df的数值列内容，也可以赋值给新df
df[numeric_cols] = df[numeric_cols].mul(mult, axis=0)

对应你给的测试案例，最终输出的df为：

完全匹配你要的「第i行的每个数值列值，都和mult[i]相乘」的效果。

如果你的df行数很多，可以绕开pandas的轴对齐校验，直接用numpy广播做计算，处理速度会快很多：

# 把一维mult转成(r,1)的列向量，和数值块直接做元素级乘法
numeric_block = df.select_dtypes(include='number')
df[numeric_block.columns] = numeric_block.values * mult.reshape(-1, 1)

你之前写的df.set_index('txt') * np.array[xxx]跑不通，也是同样的广播方向问题。只要给乘法过程加上axis=0参数，逻辑就是通顺的，和第一种方法效果完全一致：

newdf = df.set_index('txt').mul(mult, axis=0).reset_index()

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