基于DataFrame某列批量计算多列值的for循环实现需求

AI 小北

2026-7-27

解决方案

修正你的循环逻辑

你原代码的问题在于遍历df.iloc[:,3:10]时得到的是列名，而非列数据本身，所以不能用column.value()操作。正确的写法是通过列名获取对应列数据，再执行除法：

# 遍历第3到9列（0-based索引，对应iloc[:,3:10]）的列名
for col in df.iloc[:, 3:10].columns:
    # 将当前列的值除以Population列，赋值回原列
    df[col] = df[col] / df['Population']

如果担心整数除法的问题（原列是int64），可以先将列转为float类型再计算：

for col in df.iloc[:, 3:10].columns:
    df[col] = df[col].astype(float) / df['Population']

封装为可复用函数

要处理多个DataFrame，直接把逻辑封装成函数即可，建议返回处理后的副本，避免修改原DataFrame：

def normalize_by_population(df):
    # 复制原DataFrame，避免原地修改
    processed_df = df.copy()
    # 获取需要处理的列范围
    target_cols = processed_df.iloc[:, 3:10].columns
    # 遍历处理每一列
    for col in target_cols:
        processed_df[col] = processed_df[col].astype(float) / processed_df['Population']
    return processed_df

额外注意事项

如果Population列存在0值，会触发除以0的错误，可以用numpy处理这种情况（需要先导入import numpy as np）：
```
processed_df[col] = np.where(processed_df['Population'] == 0, 0, processed_df[col].astype(float) / processed_df['Population'])
```
如果你不想覆盖原列，而是生成新的衍生列（比如加_per_capita后缀），可以修改赋值逻辑：
```
processed_df[f"{col}_per_capita"] = processed_df[col].astype(float) / processed_df['Population']
```