Pandas不同DataFrame间进行数值运算得到NaN如何解决？

问题原因 #

Pandas对Series做数值运算时默认按索引对齐后再计算。你分别从两个DataFrame筛选出的费城76人队数据，在teamdf中的行索引为4，在advdf中的行索引为13，两个Series没有共同索引，因此相乘后对应位置全部返回NaN。

解决方法 #

方法1：提取单个数值后运算 #

如果确定筛选结果只有1行数据，可直接提取标量值再计算：

t1_fgp = team1df['FG%'].iloc[0]
t1a_ortg = team1adf['ORtg'].iloc[0]
result = t1_fgp * t1a_ortg

方法2：重置索引后运算 #

筛选数据时统一重置索引，消除原始索引的影响：

team1df = teamdf[teamdf.Team == 'Philadelphia 76ers*'].reset_index(drop=True)
team1adf = advdf[advdf.Team == 'Philadelphia 76ers*'].reset_index(drop=True)
result = team1df['FG%'] * team1adf['ORtg']

方法3：先合并DataFrame再运算（更推荐，适合多球队批量计算） #

按球队名称合并两个DataFrame，后续所有计算都不会出现索引对齐问题：

merged_df = pd.merge(teamdf, advdf, on='Team')
# 提取76人数据计算
philadelphia_data = merged_df[merged_df.Team == 'Philadelphia 76ers*']
result = philadelphia_data['FG%'] * philadelphia_data['ORtg']

内容的提问来源于stack exchange，提问作者MKHN15