添加np.where条件后仍触发Pandas除零错误的技术求助

你遇到的问题根源在于np.where的参数会提前全部计算——哪怕你加了条件判断，np.log(data['B']/data['MonthSales'])还是会对整个列执行运算，包括B=0的行。这时候0除以MonthSales得到0，np.log(0)会产生-inf（如果MonthSales为0才会触发除零错误），最终导致不符合预期的结果或警告。

下面是几种可行的解决方法：

方法一：用Pandas条件索引（推荐，效率最高） #

直接定位B≠0的行，只对这些行计算log值，其余行设为0：

import pandas as pd
import numpy as np

data = pd.DataFrame({"A" : ["John","Deep","Julia","Kate","Sandy"], 
                     "MonthSales" : [25,30,35,40,45], "B" : [10,0,0,20,40]})

# 初始化woe2列为0
data['woe2'] = 0
# 筛选B≠0的行，计算并赋值
mask = data['B'] != 0
data.loc[mask, 'woe2'] = np.log(data.loc[mask, 'B'] / data.loc[mask, 'MonthSales'])

方法二：用Pandas的mask/where方法 #

利用Pandas内置的条件替换方法，只对满足条件的元素执行计算：

# 使用mask：将B=0的位置替换为0，其余计算log
data['woe2'] = np.log(data['B']/data['MonthSales']).mask(data['B'] == 0, 0)

# 或者用where：将B≠0的位置替换为计算值，其余保留0
data['woe2'] = 0
data['woe2'] = data['woe2'].where(data['B'] == 0, np.log(data['B']/data['MonthSales']))

方法三：忽略警告后填充无效值 #

如果你的数据中还存在其他可能触发警告的情况（比如MonthSales为0），可以先忽略警告，再将无效值（NaN/-inf）替换为0：

# 临时忽略除零、无效值警告
with np.errstate(divide='ignore', invalid='ignore'):
    data['woe2'] = np.log(data['B']/data['MonthSales'])
# 将NaN或-inf替换为0
data['woe2'] = data['woe2'].fillna(0)

内容的提问来源于stack exchange，提问作者Mobix