如何按字典键匹配对DataFrame列做除法，无匹配时保持原值？

需求描述 #

有一个包含delta和integer_id列的DataFrame df，以及一个将integer_id映射为浮点值的字典d。需要将df中每行的delta除以d里对应integer_id的值；如果该行的integer_id不在字典中，就保持delta不变。

示例数据 #

import pandas as pd

df = pd.DataFrame({
  "integer_id": [1, 2, 3],
  "delta": [10, 20, 30]
})
d = {1: 0.5, 3: 0.25}

预期结果 #

# 处理后的df
   integer_id  delta
0           1   20.0
1           2   20.0
2           3  120.0

可行方案 #

方案1：map+fillna生成除数列 #

先通过map获取字典中的对应值，再用fillna把缺失值（不在字典中的id）填充为1，最后做除法：

divisors = df['integer_id'].map(d).fillna(1)
df['delta'] /= divisors

这个方法和你用lambda x: d.get(x,1)的思路本质一致，但用fillna更直观，代码可读性更强。

方案2：条件筛选+loc赋值 #

先筛选出integer_id存在于字典中的行，只对这些行的delta做除法操作，其余行保持原样：

# 生成筛选掩码：哪些行的integer_id在字典里
mask = df['integer_id'].isin(d.keys())
# 仅对符合条件的行执行除法
df.loc[mask, 'delta'] /= df.loc[mask, 'integer_id'].map(d)

这种方法不需要处理全量数据，只修改需要调整的行，在数据集较大时效率更高。

方案3：apply逐行判断 #

用apply逐行检查integer_id是否在字典中，再决定是否修改delta：

df['delta'] = df.apply(
    lambda row: row['delta'] / d[row['integer_id']] if row['integer_id'] in d else row['delta'],
    axis=1
)

注意：apply是逐行处理，数据量很大时速度会比前两种慢，适合小数据集使用。

方案4：replace结合条件替换 #

先通过replace把字典中的id替换为对应值，再把未替换的id（不在字典里的）替换为1，最后做除法：

# 先替换字典中的id为对应值，未匹配的保留原id
divisors = df['integer_id'].replace(d)
# 把未匹配的id替换为1
divisors = divisors.where(df['integer_id'].isin(d.keys()), 1)
df['delta'] /= divisors

这个方法稍显繁琐，但也是一种可行思路，适合需要对替换过程做更多自定义的场景。

内容的提问来源于stack exchange，提问作者roulette01