如何在Pandas中计算每行数据占该行总计的百分比？

针对你的需求，这里有两种高效的实现方式，尤其适合处理包含数百列的DataFrame：

方法一：手动指定非日期列 #

先构造示例数据：

import pandas as pd

df = pd.DataFrame({
    'date': ['2020-01-01', '2020-02-01'],
    'A': [10, 20],
    'B': [40, 60],
    'C': [50, 100]
})

然后执行计算：

# 排除date列，选择所有数据列
data_cols = df.columns.drop('date')
# 计算每行的总和
row_sums = df[data_cols].sum(axis=1)
# 计算每行各列占比，保留两位小数
df[data_cols] = df[data_cols].div(row_sums, axis=0).round(2)

执行后得到结果：

date     A     B     C
0  2020-01-01  0.10  0.40  0.50
1  2020-02-01  0.11  0.33  0.56

注：示例中C列的0.55是对100/180≈0.555...的近似，使用round(2)会得到0.56，若需要和示例完全一致，可以调整精度或直接保留更多小数后截断。

方法二：自动识别数值列（更适合数百列场景） #

如果你的DataFrame里除了date还有其他非数值列，或者不想手动罗列数据列，可以自动筛选数值列：

# 自动选择所有数值类型的列
numeric_cols = df.select_dtypes(include=['int64', 'float64']).columns
row_sums = df[numeric_cols].sum(axis=1)
df[numeric_cols] = df[numeric_cols].div(row_sums, axis=0).round(2)

这种方式无需手动指定列名，能自动适配任意数量的数值列，非常适合你的数百列场景。

关键说明 #

• 使用div(row_sums, axis=0)实现按行除法，Pandas的向量化操作比循环遍历高效得多，处理大数据集速度更快
• 如果不需要保留原始数据，可以直接在原DataFrame上修改，无需创建副本
• 可以根据需求调整round()的参数来控制小数位数，或者去掉round()保留完整精度

内容的提问来源于stack exchange，提问作者titu84hh