用Pandas多列除以另一列结果全为NaN，原因何在？

核心原因：Pandas的索引对齐机制 #

当你执行df[["b", "c"]] / df["a"]时，Pandas默认会按照列索引进行对齐运算：

• df[["b", "c"]]是列索引为["b", "c"]的DataFrame
• df["a"]是行索引为[0]的Series，在与DataFrame运算时，Pandas会把这个Series的行索引标签当作列名去匹配DataFrame的列

因为两者的索引标签完全不匹配（DataFrame没有名为0的列，Series也没有对应b、c的索引），所以运算后所有位置都返回NaN，同时Pandas会把Series的索引标签0作为新列加入结果，就出现了你看到的三列全NaN的情况。

解决方法 #

有几种简单的方式可以实现你预期的逐行除法：

1. 转为numpy数组跳过索引对齐
   把df["a"]转为numpy数组，这样Pandas会直接按元素广播运算，忽略索引：

df[["b", "c"]] / df["a"].values

输出：

b    c
0  2.0  3.0

2. 指定按行对齐运算
   使用div()方法并设置axis=0，明确告诉Pandas按行索引对齐，让每行的b、c值除以该行的a值：

df[["b", "c"]].div(df["a"], axis=0)

同样能得到正确的运算结果。

内容的提问来源于stack exchange，提问作者roulette01