如何在Pandas中高效排除Datetime列，将其余数据列按各自最大值归一化

问题场景 #

我有一个包含1个Datetime列和多个数据列的DataFrame，所有数据列的值都是非负且起始于0，需要对这些数据列做归一化（每列除以该列最大值）。最初尝试直接执行：

df = df / df.max()

但因为Datetime列无法参与除法运算，报错：TypeError: cannot perform __truediv__ with this index type: DatetimeArray。

我不想逐个输入列名处理，已经找到一个可行方案：

df.loc[:, df.columns != 'timestamp'] = df.loc[:, df.columns != 'timestamp'] / df.loc[:, df.columns != 'timestamp'].max()

但觉得这个写法重复代码太多，希望有更高效的实现方式。

优化解决方案 #

方案1：按数据类型自动筛选（最灵活）

如果你的Datetime列是datetime64类型，可以用select_dtypes自动排除这类列，不用硬编码列名，扩展性更强（比如新增其他datetime列也能自动处理）：

# 筛选出所有非datetime类型的数值列
numeric_columns = df.select_dtypes(exclude=["datetime64"]).columns
# 对筛选出的列执行归一化
df[numeric_columns] = df[numeric_columns].div(df[numeric_columns].max())

方案2：用assign简化赋值（更简洁）

如果已经明确知道要排除的列名（比如timestamp），可以用assign方法一次性完成处理和赋值，避免重复写筛选条件：

# 先取出要处理的列，执行归一化后用assign更新回原DataFrame
df = df.assign(**df.drop("timestamp", axis=1).div(df.drop("timestamp", axis=1).max()))

这里**用来将处理后的列字典解包，自动匹配原列名完成赋值。

方案3：利用df.max()的numeric_only参数（最简洁，推荐）

如果你的pandas版本在1.0及以上，直接在df.max()里指定numeric_only=True，计算最大值时会自动忽略非数值列，再做除法时Datetime列会保留原值，数值列自动完成归一化：

df = df.div(df.max(numeric_only=True))

一行代码就能搞定，完全避免了列筛选的重复逻辑，是最省心的方案。

这些方案都能让代码更简洁易维护，其中方案3是优先推荐的，只要你的环境支持对应pandas版本，就能一步解决问题。

内容的提问来源于stack exchange，提问作者Tom S