Python pandas：将一个DataFrame单行除以另一个DataFrame所有行

你之前调用df1.iloc[0].div(df2.iloc[:])返回NaN，是pandas算术运算默认的索引+列对齐机制导致的：

• df1.iloc[0]是索引为[A,B,C,D]、行标签为0的Series
• 直接和全量df2做除法时，pandas会同时匹配行索引和列名，只有行索引为0的行能和Series的行标签匹配上，其余行找不到匹配项就会返回NaN；同时df2里的time、type是非数值列，本身也不支持除法运算。

只需要提取两个DataFrame共有的数值列单独做运算，非数值列保留原值即可，pandas会自动将单行的数值按列广播到所有行，不会出现索引对齐错误：

import pandas as pd

# 1. 构造示例数据（和你给出的样例一致）
df1 = pd.DataFrame({'A': [10000], 'B': [20000], 'C': [30000], 'D': [40000]})
df2 = pd.DataFrame({
    'time': ['5/2020', '6/2020'],
    'type': ['unit', 'unit'],
    'A': [1000, 7000],
    'B': [4000, 2000],
    'C': [900, 600],
    'D': [200, 4000]
})

# 2. 定义需要做除法的数值列
calc_columns = ['A', 'B', 'C', 'D']
# 复制原df2避免修改原始数据
result = df2.copy()
# 3. 对数值列做除法，自动广播到所有行
result[calc_columns] = df1.iloc[0][calc_columns] / result[calc_columns]
# 4. 按需保留2位小数，和你给出的预期结果格式对齐
result[calc_columns] = result[calc_columns].round(2)

执行后输出的result完全符合你的预期：

time  type      A      B      C    D
0  5/2020  unit  10.00   5.00  33.33  200
1  6/2020  unit   1.43  10.00  50.00   10

内容的提问来源于stack exchange，提问作者MathMan 99