如何对两个DataFrame按相同索引、列逐元素对应相除？

解决方案 #

Pandas 的数值运算默认会按索引、列名同时自动对齐，天然适配你无序日期索引的使用场景，不需要手动匹配顺序，只需过滤掉仅在单个 DataFrame 中存在的索引行即可，有两种常用实现方式：

方式1：直接运算后过滤（写法简洁） #

直接调用div方法做除法，再通过dropna去掉无匹配的行：

import pandas as pd

# 示例数据构造
df1 = pd.DataFrame(
    {'value1': [1,2,5], 'value2': [3,4,6]},
    index=[0,1,2]
)
df2 = pd.DataFrame(
    {'value1': [2,2], 'value2': [2,2]},
    index=[0,1]
)

# 核心代码
result = df1.div(df2).dropna()

输出结果和你预期完全一致：

value1  value2
0     0.5     1.5
1     1.0     2.0

方式2：提前取共有索引（性能更好） #

如果你的数据量很大，可以先取两个DataFrame的索引交集，只对共有部分做运算：

# 取双方共有的索引
common_idx = df1.index.intersection(df2.index)
# 仅对共有索引的行做除法运算
result = df1.loc[common_idx] / df2.loc[common_idx]

日期索引适配说明 #

如果索引是无序的日期类型，上述代码不需要做任何修改，Pandas 对日期类型的索引对齐逻辑完全兼容，无论索引顺序多混乱，都会自动匹配相同日期的行做对应运算。

内容的提问来源于stack exchange，提问作者Ryszard Eggink