Pandas数据框：当列总和超过阈值时，按比例缩小值

Question

初始情况

请考虑以下示例数据框：

/acc/

打印形式如下：

df = pd.DataFrame({
    'A': [3., 2., 1., np.nan],
    'B': [7., np.nan, 1., 3.],
    'C': [4., 5., 1., 2.],
    'D': [1., 0., 2., 3.]    
})

所需结果

我现在想对此数据框的每一列执行以下操作：

1. 计算列值的总和（忽略任何NaN值）。
2. 如果总和超过10.0，那么我想统一缩小列中的所有值，以使新总和恰好是10.0（再次忽略任何NaN值）。

基本上，我想获得一个看起来像这样的结果数据框：

     A    B    C    D
0  3.0  7.0  4.0  1.0
1  2.0  NaN  5.0  0.0
2  1.0  1.0  1.0  2.0
3  NaN  3.0  2.0  3.0

到目前为止已尝试

下面的代码获得所需的结果。

     A         B         C    D
0  3.0  6.363636  3.333333  1.0
1  2.0       NaN  4.166667  0.0
2  1.0  0.909091  0.833333  2.0
3  NaN  2.727273  1.666667  3.0

但是对于我来说，这段代码有点冗长和效率低下。根据到目前为止我对大熊猫的经验，我怀疑仍然可以使用更加矢量化的解决方案。谁能帮助我找到这个？

Answer 1

这是一种方法：

thres = 10
result = df * thres / df.sum().clip(lower=thres)

Answer 2

这是另一种方法：

colSums = df.sum()
df / ((colSums * (colSums > 10) / 10) + (colSums <= 10))

在这里，我们为每个列创建一个具有求和值的变量，然后分母检查列的总和是否超过10，以调整这些列，使其总和为10。那些总和小于10的列将增加到1，这样我们就不会除以0。然后将所得数组在各列之间进行划分。这将返回期望的结果。

Out[46]: 
     A         B         C    D
0  3.0  6.363636  3.333333  1.0
1  2.0       NaN  4.166667  0.0
2  1.0  0.909091  0.833333  2.0
3  NaN  2.727273  1.666667  3.0