为什么我们需要三种操作方式？
(我用乘法作为例子)
第一种方式：
df['a'] * 5
第二种方式：
df['a'].mul(5)
第三种方式：
df['a'].__mul__(5)
两个还不够吗，不需要mul，我想知道它会像正常方式一样，像整数一样
吗第一种方式：
3 * 5
第二种方式：
(3).__mul__(5)
但是在 inetger 的常规基础上：
(3).mul(5)
会坏。
我只是好奇，为什么我们在熊猫中需要这么多东西，加法、减法和除法也是如此。
*和mul做同样的事情，但__mul__是不同的。
*和mul在委派给__mul__之前执行一些检查。您应该了解两件事。
NotImplemented
有一个特殊的单例值NotImplemented，在类的__mul__无法处理其他操作数的情况下返回。然后告诉 Python 尝试__rmul__。如果这也失败了，则会引发一个通用TypeError。如果你直接使用__mul__，你不会得到这个逻辑。观察：
class TestClass:
def __mul__(self, other):
return NotImplemented
TestClass() * 1
输出：
TypeError: unsupported operand type(s) for *: 'TestClass' and 'int'
与此相比：
TestClass().__mul__(1)
输出：
NotImplemented
这就是为什么，一般来说，你应该避免直接调用dunder(魔术)方法：你绕过了Python所做的某些检查。
- 派生类运算符处理
当你尝试执行类似Base() * Derived()的东西时，Derived继承自Base，你会期望首先调用Base.__mul__(Derived())。这可能会带来问题，因为Derived.__mul__更有可能知道如何处理这种情况。
因此，当你使用*时，Python 会检查右操作数的类型是否比左操作数的类型派生更多，如果是，则直接调用右操作数的__rmul__方法。
观察：
class Base:
def __mul__(self, other):
print('base mul')
class Derived(Base):
def __rmul__(self, other):
print('derived rmul')
Base() * Derived()
输出：
derived rmul
请注意，即使Base.__mul__不返回NotImplemented并且可以清楚地处理类型Derived的对象，Python甚至不会先查看它;它会立即委托给Derived.__rmul__。
为了完备性，*和mul之间有一个区别，在pandas的上下文中：mul是一个函数，因此可以在变量中传递并独立使用。例如：
import pandas as pd
pandas_mul = pd.DataFrame.mul
pandas_mul(pd.DataFrame([[1]]), pd.DataFrame([[2]]))
另一方面，这将失败：
*(pd.DataFrame([[1]]), pd.DataFrame([[2]]))
"magic method"__mul__和运算符*在底层 python 中都是相同的(*只是调用__mul__)，正如你所指出的，这是 python stadarized 处理事情的方式。另一种方法mul是可用于映射(使用map)和避免使用lambda x, y: x*mul的方法。 是的，您仍然可以使用__mul__但通常这些方法(__x__)的目的不是用作普通函数，一个简单的mul使代码更清晰。
所以，你并不真正"需要"它，但它很好拥有和使用。
首先，第三种方式(df['a'].__mul__(5))永远不应该使用，因为它是由Python类调用的内部方法。通常，用户不会触摸任何"dunder"方法。
关于另外两种方式，第一种方式是显而易见的;你只是把事情乘以。这是标准的数学。
第二种方式变得更有趣。我如何使用该方法的一个例子是，当您要应用的函数是变量时。
例如：
def pandas_math(series, func, val):
return getattr(series, func)(val)
pandas_math(df['a'], 'mul', 5)将给出与df['a'].mul(5)相同的结果，但现在您可以将mul作为变量或任何其他您想要使用的函数传递。这比对所有符号进行硬编码要容易得多。