在Pandas中执行除法及创建ratio列时出现NaN的解决方法

先排查问题根源 #

• 检查amount列最后一个值：执行df['amount'].iloc[-1]，确认是否为0或NaN——如果是0，除法会得到无穷大（inf）；如果是NaN，整个ratio列都会返回NaN。
• 检查amount列是否存在缺失值：执行df['amount'].isna().sum()，统计缺失值数量，缺失值转float后参与除法也会生成NaN。

针对性解决步骤 #

• 如果最后一个值是NaN或0
  • 若为NaN：先填充缺失值，比如用前向填充保留趋势：df['amount'] = df['amount'].fillna(method='ffill')，或用列均值填充：df['amount'] = df['amount'].fillna(df['amount'].mean())；之后再取最后一个有效值。
  • 若为0：要么替换0为非零有效值（比如df['amount'] = df['amount'].replace(0, df['amount'].mean())），要么调整逻辑取倒数第二个有效值：last_valid_amount = df['amount'].dropna()[df['amount'] != 0].iloc[-1]。
• 如果amount列存在缺失值
  • 直接删除含缺失值的行：df = df.dropna(subset=['amount'])，适合缺失值占比极低的情况；或按上述方式填充后再计算。
• 确保除法操作逻辑正确
  先提取最后一个有效非空非零值，再执行除法，避免因单个无效值导致整列出错：

  # 获取最后一个有效值
  last_valid_amount = df['amount'].dropna()[df['amount'] != 0].iloc[-1]
  # 计算ratio列
  df['ratio'] = df['amount'].astype(float) / last_valid_amount
  

完整示例 #

import pandas as pd

# 构造带缺失值的测试数据
df = pd.DataFrame({'amount': [15, 30, 45, None, 60]})

# 填充缺失值（前向填充）
df['amount'] = df['amount'].fillna(method='ffill')

# 过滤掉0和NaN，取最后一个有效值
last_valid = df['amount'].dropna()[df['amount'] != 0].iloc[-1]

# 计算ratio列
df['ratio'] = df['amount'].astype(float) / last_valid

print(df)

内容的提问来源于stack exchange，提问作者Paul