列名相同索引不同的DataFrame相减出现NaN的问题求助

嘿，这个问题我之前也碰到过！核心原因是Pandas的算术运算默认会严格按照索引对齐来执行，只要两个DataFrame的索引不匹配，对应的位置就会返回NaN——这就是你各种尝试都出NaN的根源。下面给你几个可行的解决方案：

方法1：重置索引后再相减 #

把两个DataFrame的索引都重置为默认的整数索引，这样Pandas就会按行的位置（而不是索引标签）来对应相减：

# 重置索引并丢弃原索引，确保行位置对齐
result = df1.reset_index(drop=True) - df2.reset_index(drop=True)

方法2：直接提取值跳过索引对齐 #

如果不需要保留原索引的对齐逻辑，可以直接提取DataFrame的数值数组（numpy数组）来运算，这样Pandas会忽略索引，只按列和行的位置对应：

# 用.values或.to_numpy()提取数值数组
result = df1 - df2.values
# 或者
result = df1 - df2.to_numpy()

方法3：使用sub方法指定按列对齐 #

Pandas的sub方法支持通过axis参数指定对齐方式，设置axis='columns'就能强制按列名匹配，忽略索引的差异：

# 指定按列对齐，而非默认的行（索引）对齐
result = df1.sub(df2, axis='columns')

为什么你之前的尝试没效果？ #

• df1.ix['Norm']-df2.ix['Norm']：这里你是提取了两个DataFrame中索引为Norm的行，然后按行的索引（如果这行还有多级索引的话）对齐，自然会因为索引不匹配出NaN；
• df1 - df2.ix['Norm']：这是用一个单行Series和整个DataFrame运算，维度不匹配，结果必然是NaN；
• astype(float)：只是转换了数据类型，根本没解决索引对齐的核心问题，所以还是会得到NaN。

示例验证 #

给你个小例子直观感受下效果：

import pandas as pd

# 构造测试用DataFrame
df1 = pd.DataFrame({'A': [1,2,3], 'B': [4,5,6]}, index=['x','y','z'])
df2 = pd.DataFrame({'A': [10,20,30], 'B': [40,50,60]}, index=['a','b','c'])

# 用方法1得到的结果
print(df1.reset_index(drop=True) - df2.reset_index(drop=True))
# 输出：
#    A   B
# 0 -9 -36
# 1 -18 -45
# 2 -27 -54

内容的提问来源于stack exchange，提问作者hammies