Question

具有这样的DataFrame：

type  A  B  total
1     4  5   9
2     5  5  10
1     4  1  5

是否可以应用此代码：

df[['A','B']] = df[['A','B']].div(df['total'], axis=0)

BUT基于条件，我的意思是仅在type == 1时应用它，而其他值（type == 2）保持不变，并且不因除法而修改（子集）数据帧吗？

Answer 1

您可以使用布尔掩码；实际上，pd.DataFrame.mask在这里起作用：

cond = df['type'].eq(1)

df[['A', 'B']] = df[['A', 'B']].mask(cond, df[['A','B']].div(df['total'], 0))

print(df)

   type         A         B  total
0     1  0.444444  0.555556      9
1     2  5.000000  5.000000     10
2     1  0.800000  0.200000      5

Answer 2

我不确定是否由于除法而不修改（子集化）数据框，所以理解了条件，但是我会使用loc语句来实现，仅划分为具有type == 1的行：

df.loc[df['type'].eq(1),['A','B']] = df[['A','B']].div(df['total'], axis=0)

给你

>>> df type A B total 0 1 0.444444 0.555556 9 1 2 5.000000 5.000000 10 2 1 0.800000 0.200000 5

type != 1的值未经修改，但它们是浮点数而不是整数（因为这些列在除法后为dtype浮点数）。如果这不符合您的条件，请在评论中让我知道，我将删除或修改此答案！

Answer 3

使用update

df.update(df.loc[df.type==1,['A','B']].div(df['total'], axis=0))
df
Out[417]: 
   type         A         B  total
0     1  0.444444  0.555556      9
1     2  5.000000  5.000000     10
2     1  0.800000  0.200000      5

Python / Pandas条件多列分割（示例代码）

3 个答案: