在Pandas中执行除法时为何出现ZeroDivisionError？

核心原因：数据类型决定运算机制 #

两个CASE的唯一区别是分子的数据类型，这直接导致Pandas采用了完全不同的运算逻辑：

• CASE 1：分子转成float64后
  分子和分母都是float64类型的Series，Pandas会调用NumPy的向量化运算处理除法。按照IEEE浮点数标准，0.0 / 0.0会被处理成NaN，不会抛出异常；有效数值的除法（比如1.0/7.0）则正常计算，最终结果符合预期。

• CASE 2：分子保持object类型
  原df['B']因混合布尔值和NaN，类型为object。分组求和后，apple组的结果是整数0（全NaN的组默认sum返回0），banana组是整数1，整个Series类型仍为object。
  分母是float64类型，apple组的sum结果是0.0（同样是全NaN组sum返回0）。
  当object类型的整数和float64做除法时，Pandas会逐行用Python原生运算处理，而Python里0 / 0.0会直接抛出ZeroDivisionError，导致整个运算失败。

关键细节 #

• Pandas默认skipna=True，所以全是NaN的列分组求和会返回0，这是分母出现0.0的根源。
• 同类型数值运算优先用NumPy向量化操作，效率高且遵循浮点数规则；跨类型（尤其是object和数值型）运算会降级为Python原生运算，行为更贴近基础Python语法，容易触发异常。

内容的提问来源于stack exchange，提问作者RomChil80