如何将按列分组后的DataFrame与同维度DataFrame执行除法运算？

现有如下Tester DataFrame：

Tester = pd.DataFrame({'Col1': ['A', 'A', 'B', 'B'],
                       'Col2': [1, 1, 2, 2],
                       'Col3': [1, 1, 2, 2],
                       'Col4': [1, 1, 2, 2],
                       'Col5': [1, 1, 2, 2]})

需求：按Col1列对该DataFrame分组后，将每个分组与同维度的Divider DataFrame执行除法运算，Divider数据如下：

Divider = pd.DataFrame({'Col2': [2, 2],
                       'Col3': [2, 2],
                       'Col4': [2, 2],
                       'Col5': [2, 2]})

尝试使用df = Tester.groupby('Col1').div(Divider)报错，期望得到如下输出DataFrame：

output = pd.DataFrame({'Col1': ['A', 'A', 'B', 'B'],
                       'Col2': [0.5, 0.5, 1, 1],
                       'Col3': [0.5, 0.5, 1, 1],
                       'Col4': [0.5, 0.5, 1, 1],
                       'Col5': [0.5, 0.5, 1, 1]})

注意：每个分组（如A、B）与Divider DataFrame维度相同（此例为2×4）

可行实现方法 #

原因分析 #

直接使用groupby.div()报错是因为该方法默认按索引对齐，而Divider的索引与分组后的子DataFrame索引不匹配，导致对齐失败。需要通过apply方法手动处理每个分组的运算。

实现代码 #

import pandas as pd

# 初始化原始数据
Tester = pd.DataFrame({'Col1': ['A', 'A', 'B', 'B'],
                       'Col2': [1, 1, 2, 2],
                       'Col3': [1, 1, 2, 2],
                       'Col4': [1, 1, 2, 2],
                       'Col5': [1, 1, 2, 2]})

Divider = pd.DataFrame({'Col2': [2, 2],
                       'Col3': [2, 2],
                       'Col4': [2, 2],
                       'Col5': [2, 2]})

# 分组执行除法运算
# group_keys=False 避免分组键被设为索引
result = Tester.groupby('Col1', group_keys=False).apply(
    lambda x: x[['Col2', 'Col3', 'Col4', 'Col5']] / Divider
)

# 合并Col1列与运算结果
final_output = pd.concat([Tester['Col1'], result], axis=1)

print(final_output)

代码说明 #

1. groupby('Col1', group_keys=False)：对Col1分组，同时禁止自动将分组键设置为结果的索引，保持原始结构。
2. apply匿名函数：对每个分组的数值列（Col2-Col5）与Divider执行除法，由于两者维度完全一致，会直接按位置进行广播运算。
3. pd.concat：将原始的Col1列与运算后的数值列合并，得到与期望输出一致的结构。

内容的提问来源于stack exchange，提问作者Jack