Numpy与Pandas向量化运算不一致：pd.DataFrame行除行和结果异常求解

核心差异原因 #

二者向量化运算的匹配逻辑完全不同：

• Pandas的二元运算优先按索引/列名对齐，维度广播是索引对齐之后的次要逻辑
• Numpy的二元运算没有索引概念，直接按数组维度规则广播

你的Pandas代码出错、出现额外列的原因 #

你通过np.sum(df, axis=1)得到的rowSum是一个长度为100的Series对象，索引为df的行号[0,1,...,99]。
当直接执行df / rowSum时，Pandas默认会将Series的索引与DataFrame的列名对齐：

1. df只有5个列，列名为[0,1,2,3,4]，仅能和rowSum索引的前5个值匹配
2. rowSum剩下的索引5~99在df中无对应列，会自动生成95个新列，值全部为NaN
3. 仅有的5个匹配列的计算逻辑也完全错误：每列的所有行值都除以rowSum中对应该列名的单个值，而非每行除以自身行的总和

正确的Pandas向量化实现 #

不需要转numpy数组也不需要用apply，直接调用Pandas的div方法，指定按行对齐即可：

import pandas as pd
import numpy as np

# 测试数据
df = pd.DataFrame(np.random.randint(0, 100, size=(100, 5)))
rowSum = df.sum(axis=1)

# 正确的行归一化写法，axis=0表示按行维度对齐运算
divided = df.div(rowSum, axis=0)

Numpy运算逻辑说明 #

Numpy没有索引对齐机制，完全按维度广播规则运算：

• df转为(100, 5)的二维数组，rowSum转为(100, 1)的二维数组后
• 运算时Numpy自动将(100, 1)的后一个维度广播为5，每行的所有元素都除以该行对应的总和，因此结果符合预期

内容的提问来源于stack exchange，提问作者John Sorensen