操作列时如何处理 pandas 数据帧的“除以零”？

Question

我正在处理数百个熊猫数据框。一个典型的数据框如下：

 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
....

在某些操作中，我在列值之间进行划分，例如

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

但是，有时我会除以零，或者两者兼而有之

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

自然地，这会输出错误：

 ZeroDivisionError: division by zero

我更希望 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这样的零的意思。

(a) 我如何将其编码为表示“除以零”为 0 ？

(b) 如果遇到被零除的情况，我如何将其编码为“通过”？

原文由 ShanZhengYang 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

要考虑的两种方法：

通过显式编码“无数据”值并对其进行测试，准备您的数据，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分区，如 https://wiki.python.org/moin/HandlingExceptions 所述（除以零示例使用）

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

我担心您的数据包含一个真正为零（而不是缺失值）的零的情况。

原文由 vielmetti 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

使用分母中实际为零的数据框可能更有用（请参阅列的最后一行 two ）。

         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

原文由 Alexander 发布，翻译遵循 CC BY-SA 3.0 许可协议