Pandas如何用applymap对两个DataFrame对应单元格做运算

你现在用的转列表+嵌套循环的写法，完全没用到pandas的核心能力，不仅冗余多、效率低，而且只靠位置匹配数值，只要两个表的行、列顺序稍微变一点，计算结果就会错。
这个场景根本不需要用applymap——applymap本质还是Python层逐元素遍历，性能并不比你写的循环好多少，直接用pandas原生的向量化运算就行，底层是C级实现，速度快、还自带索引对齐容错。

实现步骤 #

• 首先把两个表的Name列设为行索引，把球员名作为行匹配的依据
• 直接对两个数值表做除法，pandas会自动匹配对应球员、对应轮次的单元格做计算，不需要手动写任何遍历逻辑
• 计算完成后把Name索引还原成普通列，就得到最终结果

对应代码：

# 设置Name列为行索引
stat = stat.set_index('Name')
percentage = percentage.set_index('Name')

# 核心计算：逐对应单元格相除，自动对齐行、列
final_df = stat / percentage

# 还原Name列为普通列
final_df = final_df.reset_index()

运行得到的结果和你给出的预期输出完全一致。

鲁棒性说明 #

哪怕两个DataFrame的球员行顺序、轮次列顺序不一致，只要行索引是球员名、列名是轮次名，pandas就会自动精准匹配对应单元格做计算，不会出现位置错位的计算错误，比你按列表下标取数的逻辑可靠很多。

内容的提问来源于stack exchange，提问作者RickPeck