Python Pandas遇ZeroDivisionError：已排查非零除数仍报错

问题原因 #

你的代码中，右侧的除法运算(df['par1'] + df['par2'] + df['par3'] + df['par4']) / df['cont_var']是对整个DataFrame执行的，而非仅针对你筛选出的行。哪怕你只是将结果赋值给筛选后的行，Pandas会先完成全表的除法计算，这时候如果DataFrame其他行存在cont_var=0的情况，就会触发除零错误——哪怕这些行不在你最终赋值的范围内。

另外，cont_var的 dtype 是object，可能存在隐性问题：比如部分行的cont_var是字符串类型的'0'，你的筛选条件df['cont_var'] != 0（整数0）无法排除这类值，当参与运算时字符串会被隐式转换为数值0，同样导致错误。

解决方案 #

方案1：仅对筛选后的子集执行运算

先通过掩码筛选出目标行，再对这些行的列进行计算，避免全表运算：

mask = (df['use'] == 1) & (df['cont_var'] != 0)
# 仅对符合条件的行计算分子和分母
numerator = df.loc[mask, ['par1', 'par2', 'par3', 'par4']].sum(axis=1)
df.loc[mask, 'var'] = numerator / df.loc[mask, 'cont_var']

方案2：使用np.where控制计算范围

np.where会先判断条件，仅对满足条件的行执行除法运算，跳过不满足条件的行：

import numpy as np

df['var'] = np.where(
    (df['use'] == 1) & (df['cont_var'] != 0),
    (df['par1'] + df['par2'] + df['par3'] + df['par4']) / df['cont_var'],
    None
)

方案3：统一cont_var的数值类型

针对object类型可能存在的隐性问题，先将列转换为数值类型，同时处理无效值：

# 将cont_var转为数值，无法转换的设为NaN
df['cont_var'] = pd.to_numeric(df['cont_var'], errors='coerce')
# 更新掩码，排除NaN和0
mask = (df['use'] == 1) & (~df['cont_var'].isna()) & (df['cont_var'] != 0)
df.loc[mask, 'var'] = (df.loc[mask, 'par1'] + df.loc[mask, 'par2'] + df.loc[mask, 'par3'] + df.loc[mask, 'par4']) / df.loc[mask, 'cont_var']

内容的提问来源于stack exchange，提问作者Sebastian