为何DataFrame索引相同时按列除法仍返回全NaN值？

问题核心是对div方法的axis参数及Pandas对齐逻辑的理解偏差：

• df['D']是行索引为0、1、2的Series，它没有列标签。
• 当设置axis=1时，div会按列标签对齐：DataFrame的列是A、B、C、D，而Series的索引是0、1、2，两者没有匹配的列标签，所有位置都无法完成对齐计算，结果全为NaN，同时Series的索引会被当作新列添加到结果里（就是你看到的0、1、2列）。
• 当设置axis=0时，div按行索引对齐：DataFrame和Series的行索引完全一致（0、1、2），每一行的元素都能和对应行的D值完成除法运算，得到预期结果。

另外注意，你写的df.astype(float)没有赋值，不会改变原DataFrame的类型，应该改成df = df.astype(float)（不过这不是导致NaN的原因）。

如果你想实现「每列元素除以对应行的D列值」，正确写法就是你用到的axis=0，也可以用更直接的广播写法：

result = df / df['D'].values[:, None]

你的测试代码及结果：

data = {'A': [2, 3, 4], 'B': [10, 20, 30], 'C': [5, 4, 1], 'D': [1, 1, 1]}

# 创建DataFrame
df = pd.DataFrame(data)
df = df.astype(float)  # 修正：添加赋值操作

# 每列除以D列
result_col = df.div(df['D'], axis=1)
result_row = df.div(df['D'], axis=0)

print(result_col)
print(result_row)

运行结果：

A   B   C   D   0   1   2
0 NaN NaN NaN NaN NaN NaN NaN
1 NaN NaN NaN NaN NaN NaN NaN
2 NaN NaN NaN NaN NaN NaN NaN

A     B    C    D
0  2.0  10.0  5.0  1.0
1  3.0  20.0  4.0  1.0
2  4.0  30.0  1.0  1.0

内容的提问来源于stack exchange，提问作者macarena