Python：将数据帧的每一行除以另一个数据帧向量

我有一个维度为

2000行x 500列的数据帧（df1）（不包括索引），我想将每一行除以另一个维度为
1行x 500列的数据帧（df2）。两者都有相同的列标题。我试过：

df.divide（df2）
和
df.divide（df2，axis='index'）
和其他多种解决方案，我总是在每个单元格中得到一个带有
nan
值的df。函数df.divide中缺少什么参数？
您可以按系列进行除，即df2的第一行：

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

在
df.divide（df2，axis='index'）
中，需要提供df2的轴/行（例如
df2.iloc[0]
）

或者您可以使用
df1/df2.values[0，：]
小说明以防万一：Andy的第一个示例（
df.div（df2）
）在第一行工作时，NaN无处不在的原因是div试图匹配索引（和列）。在Andy的示例中，在两个数据帧中都可以找到索引0，因此进行了除法，而不是索引1，因此添加了一行NaN。如果运行以下命令（仅“t”行被分割），则此行为将更为明显：

因此，在您的例子中，df2的唯一一行的索引显然不存在于df1中。“幸运的是”，两个数据帧中的列标题是相同的，因此当您对第一行进行切片时，将得到一个系列，其索引由df2的列标题组成。这就是最终使分裂得以正常进行的原因

对于索引和列匹配的情况：

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)

如果要使用特定值分割列的每一行，可以尝试：

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

对我来说，这段代码将“column_name”的每一行用10000进行划分。
要划分一行（使用单列或多列），我们需要执行以下操作：

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

很好。关键信息在答案的第一句话中陈述——数据帧必须除以向量（pd系列）。
df['column_name'] = df['column_name'].div(10000)

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