在操作列时如何处理 pandas 数据框的“除以零”？ [重复]

Question

我正在处理数百个熊猫数据框。典型的数据框如下：

import pandas as pd
import numpy as np
data = 'filename.csv'
df = pd.DataFrame(data)
df 

        one       two     three  four   five
a  0.469112 -0.282863 -1.509059  bar   True
b  0.932424  1.224234  7.823421  bar  False
c -1.135632  1.212112 -0.173215  bar  False
d  0.232424  2.342112  0.982342  unbar True
e  0.119209 -1.044236 -0.861849  bar   True
f -2.104569 -0.494929  1.071804  bar  False
....

我在列值之间进行划分的某些操作，例如

df['one']/df['two'] 

但是，有时我会除以零，或者两者都除

df['one'] = 0
df['two'] = 0

当然，这会输出错误：

ZeroDivisionError: division by zero

我更喜欢 0/0 实际上意味着“这里什么都没有”，因为这通常是数据帧中零的含义。

(a) 我该如何编码才能表示“除以零”为 0 ？

(b) 如果遇到被零除的情况，我将如何编码以“通过”？

Answer 1

使用分母实际上为零的数据框可能会更有用（请参阅列

two

的最后一行）。

        one       two     three   four   five
a  0.469112 -0.282863 -1.509059    bar   True
b  0.932424  1.224234  7.823421    bar  False
c -1.135632  1.212112 -0.173215    bar  False
d  0.232424  2.342112  0.982342  unbar   True
e  0.119209 -1.044236 -0.861849    bar   True
f -2.104569  0.000000  1.071804    bar  False

>>> df.one / df.two
a   -1.658442
b    0.761639
c   -0.936904
d    0.099237
e   -0.114159
f        -inf  # <<< Note division by zero
dtype: float64

当其中一个值为零时，您应该在结果中得到

inf

或

-inf

。转换这些值的一种方法如下：

df['result'] = df.one.div(df.two)

df.loc[~np.isfinite(df['result']), 'result'] = np.nan  # Or = 0 per part a) of question.
# or df.loc[np.isinf(df['result']), ...

>>> df
        one       two     three   four   five    result
a  0.469112 -0.282863 -1.509059    bar   True -1.658442
b  0.932424  1.224234  7.823421    bar  False  0.761639
c -1.135632  1.212112 -0.173215    bar  False -0.936904
d  0.232424  2.342112  0.982342  unbar   True  0.099237
e  0.119209 -1.044236 -0.861849    bar   True -0.114159
f -2.104569  0.000000  1.071804    bar  False       NaN

Answer 2

df['one'].divide(df['two'])

---

代码：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.rand(5,2), columns=list('ab'))
df.loc[[1,3], 'b'] = 0
print(df)

print(df['a'].divide(df['b']))

结果：

    a           b
0   0.517925    0.305973
1   0.900899    0.000000
2   0.414219    0.781512
3   0.516072    0.000000
4   0.841636    0.166157

0    1.692717
1         inf
2    0.530023
3         inf
4    5.065297
dtype: float64

Answer 3

您始终可以使用 try 语句：

try:
  z = var1/var2
except ZeroDivisionError:
  print ("0") #As python-3's rule is: Parentheses

或者...

你还可以这样做：

if var1==0:
    if var2==0:
        print("0")
else:
    var3 = var1/var2

希望这有帮助！选择您想要的任何一个（无论如何它们都是相同的）。

Answer 4

需要考虑的两种方法：

通过显式编码“无数据”值并进行测试来准备数据，以免出现被零除的情况。

用

try

/

except

对包装可能导致错误的每个除法，如 https://wiki.python.org/moin/HandlingExceptions 中所述（其中有一个除以零的示例可供使用）

(x,y) = (5,0)
try:
  z = x/y
except ZeroDivideByError:
  print "divide by zero"

我担心您的数据中包含的零实际上是零（而不是缺失值）。