Pandas中跨DataFrame对指定同名列相乘求和返回全NaN的问题求助

我来帮你分析和解决这个问题~ 你遇到的全NaN结果，大概率是索引对齐逻辑导致的广播失败，或者循环里的列选取范围有问题，咱们一步步拆解排查：

问题场景回顾 #

你手上有两个DataFrame：

• df1：多行财务数据，新增了V列用来存储计算结果
• df2：仅1行数据，包含和df1重叠的目标列，你需要把这些重叠列对应相乘后累加，得到df1每行的V值

但用循环实现后，df1['V']全是NaN，这肯定是数据匹配环节出了问题。

可能的原因&对应解决方案 #

1. 循环列选取范围有误 #

你的代码里写了for col in df2.iloc[:,1:20]:，这里iloc[:,1:20]是取df2的第2列到第20列（iloc是左闭右开规则），但你指定的目标列一共是20个，最后一列TotalDiv_w会被漏掉。不过这不是全NaN的核心原因，但会导致计算结果不准确。

2. 索引不匹配导致广播失败 #

df2是单行，但它的索引如果和df1的索引完全不重叠，当执行df1[col] * df2[col]时，Pandas会强制按索引对齐，最终得到全NaN的Series。比如df2的索引是[1]，而df1的索引是[0,1,2,...n]，那除了索引1的行，其他行都会因为对齐失败变成NaN。

推荐的高效解决方法 #

不用循环，直接用向量运算更靠谱，还能避免索引对齐的坑：

方法一：矩阵点积实现（最推荐）

# 先明确定义目标列列表，避免靠列位置选取出错
target_cols = [
    'TotalAssets', 'NItoCommon_w', 'NIbefEIPrefDiv_w',
    'NIbefPrefDiv_w', 'Sales_w', 'GainLossAssetSale_w', 'PPT_w', 'LTDebt_w',
    'CommonEquity_w', 'PrefStock_w', 'OtherIncome_w', 'TotalLiabilities_w',
    'PreTaxIncome_w', 'IncomeTaxes_w', 'OtherTA_w', 'OtherLiabilities_w',
    'CashSTInv_w', 'OtherCA_w', 'OtherCL_w', 'TotalDiv_w'
]

# 提取df2中目标列的唯一行数值，转成一维数组
df2_values = df2[target_cols].iloc[0].values

# 用dot函数做矩阵点积，直接得到每行的求和结果
df1['V'] = df1[target_cols].dot(df2_values)

这个方法的优势：

• 明确指定目标列，不会因为df2的列顺序变化出错
• 直接做数值运算，跳过Pandas的索引对齐逻辑，高效又可靠

方法二：循环时取标量值（如果坚持用循环）

如果一定要用循环，每次取df2对应列的标量值（而非Series），这样相乘时会自动广播到df1的整列：

df1['V'] = 0
target_cols = [
    'TotalAssets', 'NItoCommon_w', 'NIbefEIPrefDiv_w',
    'NIbefPrefDiv_w', 'Sales_w', 'GainLossAssetSale_w', 'PPT_w', 'LTDebt_w',
    'CommonEquity_w', 'PrefStock_w', 'OtherIncome_w', 'TotalLiabilities_w',
    'PreTaxIncome_w', 'IncomeTaxes_w', 'OtherTA_w', 'OtherLiabilities_w',
    'CashSTInv_w', 'OtherCA_w', 'OtherCL_w', 'TotalDiv_w'
]

for col in target_cols:
    # 提取df2中该列的唯一标量值
    df2_scalar = df2[col].iloc[0]
    df1['V'] += df1[col] * df2_scalar

额外排查点 #

如果还是出现NaN，建议检查：

• df1的目标列本身是否有缺失值？可以用df1[target_cols].isna().sum()查看各列的缺失数量
• df2的目标列是否存在NaN？只要df2的某列是NaN，相乘后整列都会变成NaN，累加后结果自然也是NaN

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