Pandas中Series与DataFrame减法运算出现全NaN结果的原因及运算步骤咨询

嘿，这个问题其实是Pandas里很典型的索引对齐机制导致的，我来一步步给你拆解清楚：

首先先还原你的运算对象，先看两个参与减法的部分：

1. 先看df.max(axis=1)的结果：
   这是一个Series，它的索引是原DataFrame的行索引（0和1），值是每行的最大值，输出是这样的：

   0    4
   1    9
   dtype: int64
   

   注意这个Series只有行索引，没有列标签。

2. 再看df[['b']]的结果：
   这是一个DataFrame，它的行索引也是0和1，但列只有一个'b'，输出是：

   b
   0  1
   1  6
   

接下来就是关键的运算步骤了，Pandas的算术运算核心是索引对齐，规则是这样的：
当Series和DataFrame做运算时，默认会把Series的索引和DataFrame的列索引去匹配对齐。如果两者的索引没有重叠，那所有位置都找不到可以匹配计算的值，结果就全是NaN了。

具体到你的例子：

• Series的索引是[0,1]，DataFrame的列索引是['b']，完全没有交集
• Pandas会生成一个包含两者索引并集的结果DataFrame（列是['b',0,1]，行是[0,1]），每个位置只有在两个原对象中都有对应值时才会计算，否则就填充NaN
• 因为没有任何匹配的索引，所以最终结果就是全NaN的DataFrame，也就是你看到的：

  b   0   1
   0 NaN NaN NaN
   1 NaN NaN NaN
  

如果想要实现“每行最大值减去该行的b列值”的预期效果，你可以指定按行索引对齐，比如用sub方法并指定axis=0：

df.max(axis=1).sub(df['b'], axis=0)

或者把Series转换成和DataFrame同形状的二维数组再运算：

df.max(axis=1).values[:, None] - df[['b']]

这样就能得到正确的结果：

b
   0  3
   1  3

备注：内容来源于stack exchange，提问作者Lei Hao