Pandas中两个带Date索引与MultiIndex列的DataFrame逐元素除法返回全NaN及列数翻倍问题排查

看起来你遇到的问题核心是两个DataFrame的MultiIndex列没有正确对齐，导致div()操作触发了外连接式的列匹配，最终产生了全NaN和列数翻倍的结果。我来一步步帮你排查和解决：

第一步：验证索引与列的一致性 #

首先要确认你的两个DataFrame在索引和列上是完全匹配的，这是逐元素运算的前提：

• 检查日期索引是否一致：

  print(df1.index.equals(df2.index))
  

  应该返回True，毕竟你说行数完全相同。

• 检查MultiIndex列是否完全一致：

  print(df1.columns.equals(df2.columns))
  

  如果这里返回False，就是问题的根源——哪怕列数相同，只要MultiIndex的某一层标签或层级名称不匹配，Pandas就无法正确对齐列。

第二步：统一列的MultiIndex结构 #

如果上面的列一致性检查不通过，你需要把df2的列结构调整成和df1完全一致：

情况1：MultiIndex的标签不一致 #

比如df1的列是('Close', 'AAPL')这类，而df2的列第一层是其他标签（比如'Open'），直接覆盖df2的列：

df2.columns = df1.columns

情况2：仅列的层级名称不一致 #

你提到df1.columns.names是[None, 'ticker']，如果df2的层级名称不同，比如第一层有名字，那就统一名称：

df2.columns.names = df1.columns.names

第三步：执行逐元素除法 #

当索引和列都完全对齐后，直接用普通除法或者div()方法都能得到正确结果：

# 两种方式等价，任选其一
result = df1 / df2
# 或者
result = df1.div(df2)

这个结果应该和原DataFrame结构完全一致，所有元素都是对应位置的商，不会有NaN。

为什么之前会出问题？ #

当Pandas无法找到完全匹配的列时，会对两个DataFrame的列做外连接——把所有可能的列组合都列出来（比如原各6列，就会生成6×6=36列），而没有匹配的列对对应的位置就会填充NaN，这就是你看到列数翻倍且全NaN的原因。

内容的提问来源于stack exchange，提问作者Lazer