如何将数组元素与一组DataFrame的对应元素相乘并保留各DataFrame独立结构

看起来你需要的是元素级的逐位置相乘，同时保留每个DataFrame的独立结构——其实用pandas结合numpy就能轻松实现这个需求，完全不需要把结果合并成一个大数组。我来一步步给你演示具体怎么做：

1. 先构造与你示例匹配的测试数据 #

首先我们先把题目中的数组和DataFrame用代码复现出来，方便后续验证：

import pandas as pd
import numpy as np

# 构造你的2x3数组A
array_a = np.array([[1, 2, 1],
                    [1, 3, 2]])

# 构造两个2x3的DataFrame，用列表存储作为"集合B"
df_b1 = pd.DataFrame([[3, 1, 2],
                      [1, 0, 1]])
df_b2 = pd.DataFrame([[2, 0, 3],
                      [4, 2, 0]])
set_b = [df_b1, df_b2]

2. 核心实现：逐DataFrame做元素级乘法 #

只需要遍历集合中的每个DataFrame，直接和数组A做*运算即可——因为当两者形状完全匹配时，pandas会自动执行逐位置对应相乘，而且运算后依然保留DataFrame的独立结构：

# 存储结果的列表，用来保留每个独立的DataFrame
result_dfs = []

for df in set_b:
    # 直接执行元素级乘法，结果仍是DataFrame
    multiplied_df = df * array_a
    result_dfs.append(multiplied_df)

3. 验证结果 #

我们可以打印结果看看是否和你预期的一致：

# 打印第一个结果DataFrame
print("第一个结果DataFrame：")
print(result_dfs[0])
# 输出：
#    0  1  2
# 0  3  2  2
# 1  1  0  2

# 打印第二个结果DataFrame
print("\n第二个结果DataFrame：")
print(result_dfs[1])
# 输出：
#    0  1  2
# 0  2  0  3
# 1  4  6  0

为什么这个方法能解决你的问题？ #

1. 元素级运算的天然支持：pandas的DataFrame和numpy数组做*运算时，只要形状完全匹配（这里都是2行3列），就会自动逐位置相乘，完全符合你的需求。
2. 保留结构：运算后的结果依然是DataFrame类型，原DataFrame的索引、列名（如果有的话）都会完整保留，不会被合并成一个大数组。
3. 独立存储：通过遍历逐个处理并保存结果，你可以直接从result_dfs列表中取出每个独立的DataFrame，无缝衔接后续的分析步骤。

注意事项 #

• 务必确保array_a的形状和每个DataFrame的形状完全一致，否则会触发numpy的广播机制，可能得到不符合预期的结果。如果形状不匹配，可以先用reshape调整。
• 如果你的原DataFrame有自定义的索引或列名，这个操作不会改变这些元信息，完全不影响后续分析。

备注：内容来源于stack exchange，提问作者user23487612