为何从DataFrame同一列的一部分减去另一部分会返回全NaN的同长Series

复现代码（Pandas 1.4.2，Python 3.9） #

import pandas as pd

df = pd.DataFrame(
    {
        'half': ['first half', 'first half', 'second half', 'second half'],
        'vals': [10, 10, 5, 5]
    }
)
first_half_s = df.loc[df['half'] == 'first half']['vals']
second_half_s = df.loc[df['half'] == 'second half']['vals']

diff_s = first_half_s - second_half_s
# 输出结果：
# 0   NaN
# 1   NaN
# 2   NaN
# 3   NaN
# dtype: float64

核心原因：Pandas的索引对齐机制 #

Pandas中对Series执行算术运算时，会优先根据索引值进行匹配，只有索引完全一致的位置才会执行运算，无匹配的位置自动填充NaN。

具体到你的代码：

• first_half_s的索引是[0, 1]（继承自原DataFrame的前两行索引）；
• second_half_s的索引是[2, 3]（继承自原DataFrame的后两行索引）；
• 两个Series没有任何重叠的索引值，因此运算后Pandas会合并两者的索引得到[0,1,2,3]，每个索引位置都找不到对应匹配的运算对象，最终返回全NaN的Series。

验证：重置索引后运算正常 #

如果重置两个Series的索引，让它们拥有相同的索引值，运算就会正常执行：

first_half_s_reset = first_half_s.reset_index(drop=True)
second_half_s_reset = second_half_s.reset_index(drop=True)
diff_s = first_half_s_reset - second_half_s_reset
# 输出结果：
# 0    5
# 1    5
# dtype: int64

内容的提问来源于stack exchange，提问作者whaddaplaya