首先：我认为您需要产品功能，而不是zip，因为您正在检查 everydf和 every ref。在 zip 中，您只需要检查和df_a检查。ref_1df_bref_2

第二：你可以看看方程$(1+2+3+4)−(5+5+5+5)$作为$(1-5) + (2-5) + ...$这只是减去数据帧并在列上求和。

考虑到这两个因素，假设您已将对象定义如下：

df_a = {
    'name': 'df_a',
    'value': pd.DataFrame([[1, 2, 3, 4], [2, 4, 6, 8]])
}
df_b = {
    'name': 'df_b',
    'value': pd.DataFrame([[10, 5, 2, 1], [4, 4, 6, 2]])
}

ref_1 = {
    'name': 'ref_1',
    'value': pd.DataFrame([[5, 5, 5, 5], [5, 5, 5, 5]])
}
ref_2 = {
    'name': 'ref_b',
    'value': pd.DataFrame([[3, 3, 3, 3], [3, 3, 3, 3]])
}

我这样做是因为我想使用names 来创建最终 df 的列名。那么您的代码将是：

from itertools import product

final_result = pd.DataFrame(
    {
        '{}_{}'.format(df['name'], ref['name']): (df['value']-ref['value']).sum(axis=1)
        for (df, ref) in product([df_a, df_b], [ref_1, ref_2])
    }
)

• 我已经使用字典理解来跳过丑陋的循环/追加解决方案。
• product函数 fromitertools做你的迭代。产品上(ab, cd)给你ac, ad, bc, bd
• 至于键，df 名称与 连接在一起_，至于值，我减去了两个 df 并在列上求和（axis=1）

结果将如您所料：

   df_a_ref_1  df_a_ref_b  df_b_ref_1  df_b_ref_b
0         -10          -2          -2           6
1           0           8          -4           4

尽管如此，如果您想扩展字典理解或不想定义 的字典names/values，当然您可以想象如何for使用相同的逻辑编写简单的循环：

for (df, ref) in product([df_a, df_b], [ref_1, ref_2]):
    # your desired columns
    col = (df - ref).sum(axis=1)