如何对同一DataFrame的多个等尺寸部分执行关联计算？

嘿，这个问题我之前也碰到过！核心问题出在pandas的索引对齐机制上——你直接用两个不同索引的Series相乘时，pandas会优先按索引匹配，而不是按位置顺序对应。你的kind=1子集索引是0-4，kind=2子集索引是5-9，没有重叠的索引，所以相乘结果全是NaN，自然没法运行。

既然你已经确认两个子集的尺寸完全相等，我们可以用以下几种方法实现对应位置的计算：

方法1：提取为NumPy数组（最简单直接） #

把其中一个子集的value提取成不包含索引的NumPy数组，这样就会严格按位置顺序匹配计算：

# 提取kind=2的value为数组（忽略索引）
kind2_values = df.loc[df['kind'] == 2, 'value'].values
# 对kind=1的value执行乘法赋值
df.loc[df['kind'] == 1, 'value'] *= kind2_values

操作后，原DataFrame中kind=1的value会变成[1*6, 2*7, 3*8, 4*9, 5*10]，也就是[6,14,24,36,50]。

方法2：重置索引后对齐计算 #

如果想保持pandas的Series操作风格，可以把两个子集的索引重置为从0开始的连续值，再对应相乘：

# 获取两个子集并重置索引（drop=True避免保留原索引列）
subset_kind1 = df.loc[df['kind'] == 1].reset_index(drop=True)
subset_kind2 = df.loc[df['kind'] == 2].reset_index(drop=True)

# 执行对应位置乘法，再赋值回原DataFrame
df.loc[df['kind'] == 1, 'value'] = subset_kind1['value'] * subset_kind2['value']

这种方法更直观，适合需要对两个子集做更多复杂操作的场景。

为什么原写法不行？ #

再补充解释下：pandas的loc返回的是带原索引的Series，当你执行df.loc[df['kind']==1, 'value'] * df.loc[df['kind']==2, 'value']时，pandas会检查每个索引是否存在于两个Series中，不存在的位置就会填充NaN，最终得到的是一个全NaN的Series，自然无法赋值成功。

内容的提问来源于stack exchange，提问作者Michael