Question

背景我处理一个打印出数字列的csv数据表。我正在开发一个程序，该程序将采用第一列，向用户询问浮动时间（即45小时半= 45.5），然后从第一列中减去该数字。我在这方面取得了成功。现在，我需要找到“零”时间点的行索引。我用min来找到那个索引，然后从下面的A1列调用它。我需要在时间0找到读数然后将A1标准化，以便在图表上，在0时间点，A1列中的读数为1（最后所有后续列，但对我来说是婴儿步骤）

time_zero = float(input("Which time would you like to be set to 0?"))
df['A1']= df['A1']-time_zero

到目前为止，这可以正常设置零时间。

zero_location_series = df[df['A1'] == df['A1'].min()]
r1 = zero_location_series[' A1.1']
df[' A1.1'] = df[' A1.1']/r1

这是我遇到麻烦的地方。第一行将正确识别我可以为所有其他列提取的系列。下一个r1正确识别正确的A1.1值，当我使用type(r1)时，此值为浮点数。但是，当我除df[' A1.1']/r1时，它只产生一个正确的值，而该值是r1/r1 = 1的位置。所有其他值都来自NaN。

我的问题：

我猜怎么用浮点划分列？我为什么要NaN？
有没有更快的方法来执行此操作，因为我需要为16列执行此操作。（即'A2 / r2''a3 / r3'等）
在重新保存数据之前，我是否需要在任何地方进行inplace = True以使操作成为可能？或者仅用于添加/删除行？

示例

看起来像这样的数据框！http://i.imgur.com/ObUzY7p.png 零时间设置正确（图像未显示）

！http://i.imgur.com/TpLUiyE.png

Answer 1

这应该有效：

df['A1.1']=df['A1.1']/df['A1.1'].min()

我认为df[' A1.1'] = df[' A1.1']/r1无效的原因是因为r1是一个系列。尝试使用r1?代替type(r1)，pandas会告诉您r1是一个系列，而不是单个浮点数。

要一次尝试，你必须迭代每一列，如下所示：

for c in df:
    df[c] = df[c]/df[c].min()

Answer 2

如果您想将列中的每个值除以r1，最好应用，例如：

import pandas as pd
df = pd.DataFrame([1,2,3,4,5])
# apply an anonymous function to the first column ([0]), divide every value
# in the column by 3
df = df[0].apply(lambda x: x/3.0, 0)
print(df)

所以你可能想要这样的东西：

df = df["A1.1"].apply(lambda x: x/r1, 0)

这真的只回答你问题的第2部分。应用可能是您快速在多行和多列上运行函数的最佳选择。至于你为什么在划分浮点数时得到nans，你的列中的值是否可能是浮点数或整数以外的值？

尝试用float划分数据帧列会产生NaN

2 个答案: