Pandas：对两个DataFrame取双运算结果最小值并保留索引

• 有两个带索引的DataFrame（df0、df1），各包含3列，需要生成第三个DataFrame，其中每个元素为min(df0-df1, 1-df0-df1)，同时保留原索引结构。
• 尝试过的方法及报错：
  • 使用np.min(df0-df1,1-df0-df1)时，报错TypeError: 'DataFrame' objects are mutable, thus they cannot be hashed
  • 使用min(df0-df1,1-df0+df1)时，报错ValueError: The truth value of a DataFrame is ambiguous...
  • 无法用apply处理多DataFrame，希望实现类似subtract的自定义函数式运算。

示例数据：

df0 = pd.DataFrame( [[0.1,0.2,0.3], [0.3, 0.1, 0.2], [0.1, 0.3, 0.9]], index=[2,1,3], columns=['px', 'py', 'pz'] )
df1 = pd.DataFrame( [[0.9,0.1,0.9], [0.1,0.2,0.1], [0.3,0.1,0.8]], index=[3,1,2], columns=['px', 'py', 'pz'])

期望输出（逐元素计算min(df0列值-df1列值,1-df0列值+df1列值)后的DataFrame）：

px   py   pz
1  0.2 -0.1  0.1
2 -0.2  0.1 -0.5
3 -0.8  0.2  0.0

错误原因说明 #

• np.min()的第二个参数是指定计算最小值的轴（axis），而非另一个待比较的数组，传入DataFrame会触发哈希错误；
• Python内置min()无法直接比较两个DataFrame，因为无法判断整个DataFrame的布尔值，因此出现歧义错误。

正确实现方法 #

方法一：利用np.minimum实现元素级取最小（推荐）

np.minimum是专门用于数组/矩阵的元素级最小值计算，完全适配DataFrame的运算逻辑：

import pandas as pd
import numpy as np

# 先对齐两个DataFrame的索引和列，确保对应索引行的元素正确计算
df0_aligned, df1_aligned = df0.align(df1)

# 计算两个候选结果数组，再用np.minimum逐元素取最小
calc1 = df0_aligned - df1_aligned
calc2 = 1 - df0_aligned - df1_aligned
result = pd.DataFrame(np.minimum(calc1, calc2), 
                      index=df0_aligned.index, 
                      columns=df0_aligned.columns)

方法二：通过pd.concat合并后分组取最小

如果不想依赖numpy，也可以用pandas自身的方法实现：

import pandas as pd

# 对齐索引和列
df0_aligned, df1_aligned = df0.align(df1)

# 计算两个候选结果，按列合并后按列名分组取最小
calc1 = df0_aligned - df1_aligned
calc2 = 1 - df0_aligned - df1_aligned
result = pd.concat([calc1, calc2], axis=1).groupby(level=0, axis=1).min()

结果验证 #

运行上述代码后，result的输出与期望完全一致，且保留了原DataFrame的索引和列结构。

内容的提问来源于stack exchange，提问作者user19980384