Python：将DataFrame的每行除以另一个DataFrame向量

Question

我有一个数据表（叫做df1），它有2000行 x 500列（不算索引），我想把每一行都除以另一个数据表（叫做df2），df2的大小是1行 x 500列。这两个数据表的列名是一样的。我试过：

df.divide(df2) 和 df.divide(df2, axis='index')，还有其他很多方法，但每次得到的结果都是一个满是nan的表格。请问我在df.divide这个函数里缺少了什么参数呢？

Answer 1

要把一行（无论是单列还是多列）分开，我们需要做以下几步：

df.loc['index_value'] = df.loc['index_value'].div(10000)

Answer 2

如果你想把某一列的每一行都用一个特定的值来除，你可以试试下面的代码：

df['column_name'] = df['column_name'].div(10000)

对我来说，这段代码是把'column_name'这一列的每一行都除以10,000。

Answer 3

这里有个小补充，以防你不太明白：你看到到处都是NaN的原因是，Andy的第一个例子（df.div(df2)）在第一行能正常工作，是因为div这个函数会尝试匹配索引（和列）。在Andy的例子中，索引0在两个数据框中都能找到，所以可以进行除法运算；而索引1在其中一个数据框中找不到，所以就会出现一行NaN。如果你运行下面的代码，你会发现这个行为更加明显（只有't'这一行进行了除法运算）：

df_a = pd.DataFrame(np.random.rand(3,5), index= ['x', 'y', 't'])
df_b = pd.DataFrame(np.random.rand(2,5), index= ['z','t'])
df_a.div(df_b)

所以在你的情况下，df2中唯一一行的索引显然在df1中不存在。 "幸运的是"，两个数据框的列名是一样的，所以当你提取第一行时，你得到的一个序列，其索引是由df2的列名组成的。这就是最终让除法运算能够正常进行的原因。

下面是一个索引和列都匹配的例子：

df_a = pd.DataFrame(np.random.rand(3,5), index= ['x', 'y', 't'], columns = range(5))
df_b = pd.DataFrame(np.random.rand(2,5), index= ['z','t'], columns = [1,2,3,4,5])
df_a.div(df_b)

Answer 4

你可以用 series 来进行除法运算，也就是用 df2 的第一行数据。

In [11]: df = pd.DataFrame([[1., 2.], [3., 4.]], columns=['A', 'B'])

In [12]: df2 = pd.DataFrame([[5., 10.]], columns=['A', 'B'])

In [13]: df.div(df2)
Out[13]: 
     A    B
0  0.2  0.2
1  NaN  NaN

In [14]: df.div(df2.iloc[0])
Out[14]: 
     A    B
0  0.2  0.2
1  0.6  0.4

Answer 5

在 df.divide(df2, axis='index') 这个操作中，你需要提供 df2 的某一行（比如 df2.iloc[0]）。

import pandas as pd

data1 = {"a":[1.,3.,5.,2.],
         "b":[4.,8.,3.,7.],
         "c":[5.,45.,67.,34]}
data2 = {"a":[4.],
         "b":[2.],
         "c":[11.]}

df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2) 

df1.div(df2.iloc[0], axis='columns')

或者你也可以使用 df1/df2.values[0,:] 这种方式。