如何在Pandas中避免除零错误并计算指定衍生列？

问题场景 #

现有如下DataFrame：

A  B
0   2  8
1   3  1
2   5  0
3  -1  2
4   2  1
5   3  0
.. .. ..

需要计算((df['B']-df['A'])/df['B'])*100并生成新列D%，尝试用以下代码避免除零错误时触发报错：

if data['B']!=0:
   data['D%']=((data['B']-data['A'])/data['B'])*100
else:
   data['D%']=np.nan

报错信息：

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

解决方案 #

方法1：使用np.where（推荐，向量化操作效率高） #

利用np.where对每个元素做条件判断，满足条件时计算目标值，否则赋值np.nan：

import numpy as np
import pandas as pd

data['D%'] = np.where(data['B'] != 0, ((data['B'] - data['A']) / data['B']) * 100, np.nan)

方法2：使用Pandas的mask方法 #

mask会将满足指定条件的位置替换为设定值，这里把B=0的行对应的D%替换为np.nan：

# 先计算所有值，再替换不符合条件的行
data['D%'] = ((data['B'] - data['A']) / data['B']) * 100
data['D%'] = data['D%'].mask(data['B'] == 0, np.nan)

# 也可以一步完成
data['D%'] = (((data['B'] - data['A']) / data['B']) * 100).mask(data['B'] == 0, np.nan)

方法3：使用apply逐行处理（仅适用于小型数据集） #

如果数据集规模很小，可通过apply逐行判断，但该方法性能远低于向量化操作，不推荐用于大数据集：

data['D%'] = data.apply(lambda row: ((row['B'] - row['A']) / row['B']) * 100 if row['B'] != 0 else np.nan, axis=1)

错误原因 #

原代码直接用if data['B']!=0对整个Series做布尔判断，返回的是一个布尔值组成的Series，而if语句需要单个布尔值来判断分支，Pandas无法确定你是要判断所有元素满足条件、还是至少一个满足，因此抛出歧义错误。必须使用向量化的条件处理方法来逐个处理每个元素。

内容的提问来源于stack exchange，提问作者Javier