Pandas如何实现两个DataFrame同列对应相除的可扩展运算

针对列名完全一致的DataFrame逐列做对应值除法，直接使用pandas内置的矢量化运算即可，无额外循环、性能最优，可直接适配百万级以上的大型数据集。

首先构造测试数据：

import pandas as pd

df_1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]}) 
df_2 = pd.DataFrame({'A': [3], 'B': [4]})

核心计算逻辑：

# 按列匹配做广播除法，自动对齐列名，矢量化底层实现
df_3 = df_1.div(df_2.iloc[0], axis="columns").round(2)

运行后得到的df_3和预期结果完全一致：

A     B
0  0.33  0.75
1  0.67  1.00

注：示例中给出的0.66是2/3的截断近似值，运算默认返回四舍五入结果，可根据精度需求调整round的小数位数参数。

方案优势 #

• 性能极高：所有运算在pandas底层C层执行，没有Python层面的循环、逐列apply等开销，比手写遍历逻辑快数十倍，完全适配大型数据集场景
• 扩展性强：不需要手动枚举列名，只要两个DataFrame列名一致，不管有多少列都可以直接运行；如果后续需要两个同长度DataFrame逐行对应位置相除，只需要把代码改成df_3 = df_1.div(df_2, axis="columns")即可，逻辑无需调整
• 鲁棒性好：运算自动按列名对齐，不受两个DataFrame列顺序不一致的影响，不会出现列匹配错误的问题

注意：如果两个DataFrame存在非共有列，运算结果中非共有列会返回空值，正式运算前可以通过assert df_1.columns.equals(df_2.columns)做列一致性校验，避免异常结果。

内容的提问来源于stack exchange，提问作者Francisco Mello Castro