如何用字典将Pandas多列转换为百分比并添加后缀列

问题背景 #

现有记录数百名参与者两次随访测试数据的DataFrame，示例包含AB、LC、MA三项测试，各测试对应满分分别为：AB=150、LC=12、MA=2000。原始数据如下：

import pandas as pd

data = {
    "ID": [1, 1, 2, 2, 3, 3],
    "Visit": [1, 2, 1, 2, 1, 2],
    "AB": [30, 40, 50, 20, 10, 10],
    "LC": [1, 4, 5, 6, 8, 9],
    "MA": [300, 900, 400, 400, 450, 350] 
}

df = pd.DataFrame(data)
print(df)

输出结果：

ID  Visit  AB  LC   MA
0   1      1  30   1  300
1   1      2  40   4  900
2   2      1  50   5  400
3   2      2  20   6  400
4   3      1  10   8  450
5   3      2  10   9  350

需求：基于各测试的满分计算每行的百分比得分，新增带_percent后缀的列（如AB_percent），通过字典映射不同测试的满分实现。

解决方案 #

方法一：列批量运算（推荐，效率更高） #

直接遍历满分字典，对每个测试列执行百分比计算并新增列，适合大数据量场景：

# 定义各测试的满分映射字典
max_scores = {"AB": 150, "LC": 12, "MA": 2000}

# 遍历字典生成百分比列
for test_name, max_val in max_scores.items():
    df[f"{test_name}_percent"] = (df[test_name] / max_val) * 100

# 查看结果
print(df)

方法二：行级apply处理 #

如果需要更灵活的行级逻辑，可使用apply方法：

max_scores = {"AB": 150, "LC": 12, "MA": 2000}

def add_percent_cols(row):
    for test_name, max_val in max_scores.items():
        row[f"{test_name}_percent"] = (row[test_name] / max_val) * 100
    return row

# 应用函数到每行
df = df.apply(add_percent_cols, axis=1)

print(df)

最终输出 #

两种方法都会生成包含百分比列的DataFrame：

ID  Visit  AB  LC   MA  AB_percent  LC_percent  MA_percent
0   1      1  30   1  300        20.0    8.333333        15.0
1   1      2  40   4  900        26.666667   33.333333        45.0
2   2      1  50   5  400        33.333333   41.666667        20.0
3   2      2  20   6  400        13.333333   50.000000        20.0
4   3      1  10   8  450         6.666667   66.666667        22.5
5   3      2  10   9  350         6.666667   75.000000        17.5

关键说明 #

• 优先选择方法一：直接列运算的效率远高于行级apply，数据量越大优势越明显。
• 扩展性强：新增测试时，只需在max_scores字典中添加对应的测试名称和满分，无需修改计算逻辑。

内容的提问来源于stack exchange，提问作者Sid0311