操作列时如何用熊猫数据框处理“除以零”？ [复制]

Posted 2023-03-11

【中文标题】操作列时如何用熊猫数据框处理“除以零”？ [复制]

【英文标题】：How to deal with "divide by zero" with pandas dataframes when manipulating columns? [duplicate]

【发布时间】：2016-12-17 14:40:19

【问题描述】：

我正在使用数百个 pandas 数据框。一个典型的dataframe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，有时我会被零除，或者两者兼而有之

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

自然会输出错误：

ZeroDivisionError: division by zero

我希望 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一个零的含义。

(a) 我如何将其编码为“除以零”为 0？

(b) 如果遇到被零除，我将如何将其编码为“通过”？

【问题讨论】：

我无法写出答案，因为这已被标记为重复 (?) 但如果您只有一列为零的选项是这样做的：1 / (df.ColumnWithZeros / df.ColumnWithoutZeros) 这在数学上是等效的。就像 1 / (2 / 3) 等价于 3 / 2

df['one'].div(df['two']).replace(np.inf, 0)

相关：Handling division by zero in Pandas calculations

【参考方案1】：

需要考虑的两种方法：

通过显式编码“无数据”值并对其进行测试，准备好您的数据，以免出现被零除的情况。

使用try/except 对包装每个可能导致错误的除法，如https://wiki.python.org/moin/HandlingExceptions 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 ZeroDivisionError:
  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）。

【讨论】：

Pandas（或 NumPy）不会引发 ZeroDivisionError。

@ayhan 我在使用 pandas div 函数时遇到了 ZeroDivisionError。文件“processing.py”，第 50 行，有趣 || df['pct'] = df['diffs', '2019-11-13'].divide(df['shares_latest']) ||文件“pandas/core/ops/__init__.py”，第 570 行，在 flex_wrapper || return self._binop(other, op, level=level, fill_value=fill_value) || _binop || 中的文件“pandas/core/series.py”，第 2618 行结果 = func(this_vals, other_vals) || ZeroDivisionError：浮点除以零

【参考方案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

【讨论】：

这个答案似乎没有回答这个问题。解决方案是使用：df['one'].div(df['two']).replace(np.inf, 0).

【参考方案3】：

使用分母中实际上为零的数据框可能会更有用（请参阅two 列的最后一行）。

        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

【讨论】：

感谢您的解释； 'NaN' 插补非常有用。以后我会改进我的问题

我不认为这解决了关于 ZeroDivisionError 的问题。当我除以零时，我没有得到“inf”。我得到 ZeroDivisionError。

【参考方案4】：

你总是可以使用 try 语句：

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

或者...

你也可以这样做：

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

希望这有帮助！选择您想要的任何选择（无论如何它们都是相同的）。

【讨论】：

if ((var1==0) && (var2==0)):

【参考方案5】：

试试这个：

df['one']/(df['two'] +.000000001)

【讨论】：

如果df['two'] == -0.000000001怎么办？

这是一个可怕的答案；例如，如果分子不为零，这可能是任何东西

这没用。除了当数据恰好是 -1e-09 时，你会得到一个除以零的事实，根本不回答这个问题。 OP 已要求对分母中的 0 进行显式处理以输出 0 或其他一些缺失的数据标记值，例如南

请删除此答案。只需在分母上添加一个小数就意味着您移动到已经涵盖的无穷大...