Python实现非日期列缩放至起始值1遇问题：仅单列转换

你的代码里有三个核心问题导致仅一列被转换： #

1. KeyError错误：原始字典x没有date键，执行l.insert(0, 'date', x['date'])会直接崩溃，后续代码根本没正常执行。
2. 传参错误：最后调用price(x)时传入的是原始字典，不是处理后的DataFrame l——字典没有columns属性，函数里的遍历逻辑完全失效。
3. 缩放逻辑偏差：先做pct_change() * 100得到百分比变化值，再除以该列第一个值，这不是“起始值为1”的正确计算方式。

修正后的完整代码（基于原始数据缩放） #

如果你的需求是让每列第一个值为1，后续值为当前值与初始值的比例，直接基于原始DataFrame处理：

import pandas as pd
import numpy as np

# 1. 补全带date的字典数据
x = {
    "calories": [420, 380, 390, 200, 890],
    "duration": [50, 40, 45, 76, 65],
    "age": [10, 80, 45, 56, 65],
    "date": pd.date_range(start='2024-01-01', periods=5)
}
l = pd.DataFrame(x)

# 2. 定义缩放函数
def scale_to_start_one(df):
    scaled_df = df.copy()
    # 遍历除date外的所有列
    for col in scaled_df.columns[1:]:
        scaled_df[col] = scaled_df[col] / scaled_df[col].iloc[0]
    return scaled_df

# 3. 调用函数并输出结果
result = scale_to_start_one(l)
print(result)

如果需要基于百分比变化数据缩放 #

如果你必须先计算百分比变化，再生成起始值为1的累积增长序列，用这段代码：

import pandas as pd
import numpy as np

x = {
    "calories": [420, 380, 390, 200, 890],
    "duration": [50, 40, 45, 76, 65],
    "age": [10, 80, 45, 56, 65],
    "date": pd.date_range(start='2024-01-01', periods=5)
}
l = pd.DataFrame(x)

# 计算百分比变化并补全缺失值
pct_df = l.iloc[:, 1:].pct_change() * 100
pct_df.replace(np.nan, 0, inplace=True)
pct_df.insert(0, 'date', l['date'])

# 基于百分比变化生成起始值为1的序列
def scale_pct_to_start_one(df):
    scaled_df = df.copy()
    for col in scaled_df.columns[1:]:
        # 转换为增长因子后累积乘积
        growth_factors = 1 + scaled_df[col] / 100
        scaled_df[col] = growth_factors.cumprod()
    return scaled_df

result = scale_pct_to_start_one(pct_df)
print(result)

原代码仅转换一列的原因 #

你调用price(x)时传入的是原始字典，而字典没有columns属性，函数里的l.columns[1:]实际是在遍历字典的键，且由于字典的特性，遍历逻辑出现异常，最终看起来只有一列被转换。

内容的提问来源于stack exchange，提问作者dave