如何对行、列索引均不同的两个Pandas DataFrame执行减法运算？

你遇到的问题是pandas默认的sub()方法只会在两个DataFrame共同的行和列索引上执行运算，缺失的位置会返回NaN，但你需要把缺失的行/列视为0来参与计算。不管是单轴还是双轴（行+列）索引不一致的情况，都可以通过先对齐索引并填充缺失值为0的方式解决。

具体实现步骤 #

1. 获取两个DataFrame的行索引并集和列索引并集；
2. 用这两个并集分别对df1和df2进行重索引，缺失值填充为0；
3. 对重索引后的两个DataFrame执行减法运算。

代码示例 #

先构造你给出的示例数据：

import pandas as pd

# 构造df1
df1_data = {
    'A': [1,1,1],
    'B': [2,5,5],
    'C': [4,1,0],
    'D': [0,3,1],
    'E': [1,1,0]
}
df1 = pd.DataFrame(df1_data, index=['ZA', 'ZB', 'ZC'])

# 构造df2
df2_data = {
    'A': [4,5,0],
    'B': [6,1,9],
    'C': [5,5,5],
    'D': [0,9,3]
}
df2 = pd.DataFrame(df2_data, index=['ZA', 'ZB', 'ZD'])

然后执行索引对齐和减法：

# 获取行、列的并集
all_rows = df1.index.union(df2.index)
all_cols = df1.columns.union(df2.columns)

# 重索引并填充0
df1_aligned = df1.reindex(index=all_rows, columns=all_cols, fill_value=0)
df2_aligned = df2.reindex(index=all_rows, columns=all_cols, fill_value=0)

# 执行减法
result = df2_aligned - df1_aligned
print(result)

运行后得到的结果就是你期望的：

A  B  C  D  E
ZA   3  4  1  0 -1
ZB   4 -4  4  6 -1
ZC  -1 -5  0 -1  0
ZD   0  9  5  3  0

原理说明 #

• index.union()和columns.union()用来获取两个DataFrame行/列的所有索引（包括各自独有的部分）；
• reindex()会根据新的索引重新排列数据，缺失的位置用fill_value=0填充，这样就保证了两个DataFrame的行和列完全一致；
• 此时再做减法，所有位置都能基于0参与计算，完美匹配你的需求。

不管是对比不同日期范围的客户-产品数据，还是其他双维度索引不一致的场景，这个方法都通用——只要确保先对齐索引并填充0，就能得到你想要的逐元素减法结果。

内容的提问来源于stack exchange，提问作者chi11ax