如何在不转换为数组/序列时对列名不同的DataFrame逐元素相除？

你的问题出在df1.div(df2, axis='columns')会按列名进行对齐匹配，但两个DataFrame的列名完全不同，导致无法找到匹配的列，最终生成的结果里全是NA；如果你的实际数据存在索引重复的情况，还会出现行数膨胀的问题。

以下是无需转换为np.array或Series的解决办法：

方法1：临时重命名df2的列名与df1一致后相除 #

通过set_axis方法修改df2的列名（不改动原df2），让两个DataFrame的列名匹配，之后直接使用除法运算：

import pandas as pd

df1 = pd.DataFrame({'A':[4,2,1],'B':[10,4,2]})
df2 = pd.DataFrame({'C':[8,4,1],'D':[20,2,4]})

# 临时修改df2列名并执行除法
df3 = df1.div(df2.set_axis(df1.columns, axis=1))

执行后df3的结果就是你期望的：

A    B
0  0.5  0.5
1  0.5  2.0
2  1.0  0.5

方法2：直接修改df2列名（若无需保留原df2列名） #

如果不需要保留df2原来的列名，可以直接修改其列名后相除：

df2.columns = df1.columns
df3 = df1 / df2

这两种方法都是基于DataFrame本身的操作，完全不需要转换为数组或Series，且能保证逐元素按位置对应相除。

内容的提问来源于stack exchange，提问作者Chronicles