如何基于两个同索引的Pandas DataFrame高效生成指定规则的Series？

嘿，这事儿不难，用Pandas的向量化操作就能高效搞定，完全不用写低效的循环！

首先得确保你已经导入了pandas库：

import pandas as pd

先把你的两个DataFrame定义好：

a = pd.DataFrame([5, 11], columns=['A'], index=[1, 2])
b = pd.DataFrame([2, 3], columns=['B'], index=[1, 2])

接下来一行代码就能算出目标Series C，完全贴合你的计算公式：

C = (a['A'] - a.index) / b['B']

运行后你会得到想要的结果：

1    2.0
2    3.0
dtype: float64

• a['A'] 会把DataFrame里的A列提取成Series，a.index 获取到对应的索引值，Pandas的向量化减法会自动逐元素计算每个A值减去它对应的索引，比手动循环快得多。
• 然后直接除以 b['B'] 提取的Series，因为两个Series的索引完全匹配，Pandas会自动按索引对齐做逐元素除法，根本不用操心索引对应问题。

另外你提到原问题标题是Series但实际用了DataFrame，这里的处理完全没问题——我们提取的列本身就是Series，最终计算结果也是符合要求的Series哦。

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