如何针对另一个DataFrame的各列执行逐行运算？

现有两个DataFrame：

# df1 (形状 N×1)
         returns
symbol
A       3
AA      6
AAL     6
AAP     1
AAPL    4

# df2 (形状 1×M)
symbol      ^GSPC    ^IXIC   ^RUT
returns         1        2      3

需要执行减法运算，得到如下输出：

output = perform_sub(df1, df2)

           ^GSPC      ^IXIC     ^RUT
symbol
A          3 - 1      3 - 2    3 - 3
AA         6 - 1      6 - 2    6 - 3
AAL        6 - 1      6 - 2    6 - 3
AAP        1 - 1      1 - 2    1 - 3
AAPL       4 - 1      4 - 2    4 - 3

尝试过df1.sub(df2)及搭配squeeze()的写法，结果全为NaN，原因是Pandas默认会同时匹配行索引和列名，而两个DataFrame的行索引、列名完全没有重叠，导致对齐失败。已知一种转numpy数组的解决方案，但需要更原生的Pandas实现。

方法1：利用广播机制直接运算 #

通过提取df1的目标列并转为DataFrame，再与df2的目标行做减法，Pandas会自动完成广播：

output = df1['returns'].to_frame() - df2.loc['returns']

原理：

• df1['returns'].to_frame()保留df1的行索引（symbol），生成一个N×1的DataFrame；
• df2.loc['returns']取出df2中索引为returns的行，得到一个索引为^GSPC/^IXIC/^RUT的Series；
• 执行减法时，Pandas会自动将N×1的DataFrame广播为N×M的结构（每列重复df1的returns值），再逐列对应减去df2 Series中的值，最终生成符合要求的输出。

方法2：使用apply逐行处理 #

如果需要更明确的逐行逻辑，可以用apply实现：

output = df1.apply(lambda row: row['returns'] - df2.loc['returns'], axis=1)

原理：

• 对df1的每一行，取出returns的标量值，与df2的returns行（Series）做减法，得到一个对应df2列名的Series；
• apply会将所有行生成的Series组合成最终的DataFrame，自动继承df1的行索引和df2的列名。

方法3：调整索引/列名强制对齐 #

如果想利用Pandas的对齐机制，可以临时调整df2的行索引与df1的列名匹配：

# 将df2的行索引改为df1的列名
df2_aligned = df2.set_index(pd.Index(df1.columns))
output = df1.sub(df2_aligned, axis='columns')

原理：

• 修改df2的行索引为returns（与df1的列名一致），此时两个DataFrame的列/行索引存在重叠；
• 使用sub方法并指定axis='columns'，按列名对齐后完成广播运算。

内容的提问来源于stack exchange，提问作者Pratik K.