如何将Pandas DataFrame的每一列除以一个Series？

嗨，我来帮你搞定这个问题！你遇到的核心问题是divide方法里的axis参数用错了，咱们一步步来解决：

问题分析 #

你想让DataFrame每一行的所有列元素，都除以Series对应行的值，但你用了axis=1——这个参数的意思是按列对齐，也就是Pandas会尝试把DataFrame的列名和Series的索引（当作列名）去匹配，这显然不是你要的行级除法，所以结果不符合预期。

正确解决方案 #

我们需要指定按行对齐，有两种简单的方式：

方式1：直接用除法运算符（推荐，更简洁）

Pandas会自动将Series广播到DataFrame的每一列，实现行级除法：

df = df / data_series

方式2：用divide方法并指定axis=0

明确告诉Pandas按行索引对齐，让每行的元素除以Series对应行的值：

df = df.divide(data_series, axis=0)

关于NaN的处理 #

不用担心NaN的问题，Pandas的除法会自动保留原DataFrame中的NaN值（比如原单元格是NaN，除以任何数结果还是NaN）。如果之后需要填充这些NaN，可以用fillna()方法，比如：

# 把NaN替换为0，根据你的需求调整
df = df.divide(data_series, axis=0).fillna(0)

示例验证 #

咱们用一个具体例子看看效果：

import pandas as pd
import numpy as np

# 创建带NaN的示例DataFrame
df = pd.DataFrame({
    'A': [10, 20, np.nan, 40],
    'B': [5, np.nan, 15, 20]
})

# 创建和DataFrame行索引匹配的Series
data_series = pd.Series([2, 4, 5, 8], index=df.index)

# 执行行级除法
result = df.divide(data_series, axis=0)
print(result)

输出结果：

A    B
0  5.0  2.5
1  5.0  NaN
2  NaN  3.0
3  5.0  2.5

完全符合预期：每行的元素都除以了对应行的Series值，NaN也被保留了下来。

内容的提问来源于stack exchange，提问作者Rolf12