数组与DataFrame遍历：行间对应元素除法计算代码报错排查

你的代码出错的核心原因是循环遍历的对象不对：当你写for i in sp时，i拿到的是数组里的每一行数据（比如一个一维数组），而不是行的索引数字。这时候你用sp[i,:]就会因为i不是整数索引而报错，完全不符合你想要的“按索引取上一行”的逻辑。

修正后的循环实现 #

如果一定要用循环来做，你需要遍历行的索引（从1开始，因为要和上一行对比），而不是直接遍历行数据：

import numpy as np
import pandas as pd

# 假设stock_prices是你的DataFrame
stock_returns = [] 
sp = np.array(stock_prices) 

# 遍历从第1行到最后一行的索引（索引从0开始）
for i in range(1, sp.shape[0]):
    # 当前行除以上一行
    sr = sp[i, :] / sp[i-1, :]
    stock_returns.append(sr)

# 最后可以把结果转回DataFrame（如果需要）
stock_returns_df = pd.DataFrame(stock_returns, columns=stock_prices.columns)

更高效的矢量化实现（推荐） #

其实用numpy或者pandas的内置方法可以不用写循环，效率更高，代码也更简洁：

方法1：用Pandas直接计算 #

Pandas的DataFrame有非常方便的移位方法shift()，直接用当前行除以上一行（移位后的行）就行：

# 直接计算，得到的结果和你要的一致（会自动生成第一行NaN，因为没有上一行）
stock_returns_df = stock_prices / stock_prices.shift(1)
# 如果只想要9行有效数据，可以去掉第一行的NaN
stock_returns_df = stock_returns_df.dropna()

方法2：用Numpy的切片操作 #

如果习惯用numpy，也可以用切片来实现矢量化运算，不用循环：

sp = np.array(stock_prices)
# 从第1行到最后一行，除以上面从第0行到倒数第二行的所有行
stock_returns = sp[1:] / sp[:-1]
# 转回DataFrame
stock_returns_df = pd.DataFrame(stock_returns, columns=stock_prices.columns)

这两种矢量化方法比循环快得多，尤其是当你的数据行数很多的时候，强烈推荐使用。

内容的提问来源于stack exchange，提问作者user16440950