Pandas中DataFrame列(Series)索引与主表不一致为何运算结果不符合预期？

根本原因 #

这不是Pandas的Bug，是Pandas两个核心设计特性共同作用的正常结果：

• Pandas中直接对DataFrame列做赋值（b = df.a）得到的是原列的视图引用，而非独立拷贝，对视图的索引修改会同步作用到原DataFrame的对应列
• Pandas的Series之间做算术运算时，会默认按索引自动对齐，而非按位置顺序计算

具体执行过程拆解 #

1. 执行b = df.a时，b和df.a指向同一份Series数据，此时两者的索引都是[0,1,2]，对应值为[1,2,3]
2. 执行b.index = b.index + 1时，因为是视图引用，df.a的索引也被同步修改为[1,2,3]，对应值仍为[1,2,3]
3. 执行df['b'] = b时，Pandas会按df的行索引[0,1,2]和b的索引[1,2,3]对齐赋值：
   • 索引0在b中不存在，因此df.loc[0, 'b'] = NaN
   • 索引1对应b中值1，索引2对应b中值2，最终df['b']列的索引为[0,1,2]，值为[NaN, 1, 2]
4. 执行df.a - df.b时，两个Series的索引分别是[1,2,3]（df.a）和[0,1,2]（df.b），会先取索引并集[0,1,2,3]再对齐计算：
   • 索引0：df.a无对应值，结果为NaN
   • 索引1：df.a值为1，df.b值为1，计算得0
   • 索引2：df.a值为2，df.b值为2，计算得0
   • 索引3：df.b无对应值，结果为NaN
     完全匹配实际输出结果。

实现预期结果的方案 #

如果要得到预期的输出，可以在取列时显式做拷贝，避免修改索引影响原列：

import pandas as pd

df = pd.DataFrame({'a': [1,2,3]})
b = df.a.copy() # 显式拷贝，得到独立的Series
b.index = b.index + 1
df['b'] = b
print(df.a - df.b)

如果确定要按位置对齐运算，也可以直接取numpy数组计算：

print(df.a.values - df.b.values)

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