Pandas中如何对指定行列执行条件除法并保留完整DataFrame

我有一个包含500余列的Pandas DataFrame，需求是：对第0列值为'dog'的行，将其第2列至最后一列的数值除以100。

原始数据示例 #

0       1       2       3
cat    2019   19.80   96.28
cat    2022   19.50   66.80
dog    2022   21.10   57.70
dog    2021   21.50   42.85

期望输出 #

0       1       2       3
cat    2019   19.80    96.28
cat    2022   19.50    66.80
dog    2022   0.211    0.577
dog    2021   0.215    0.4285

现有问题代码 #

现有代码可完成指定行列的除法操作，但会删除第0、1列以及非'dog'的行：

df=df[df[0].str.contains("dog")].loc[:,2:len(r2.columns)-1].div(100)

解决方案 #

要保留完整DataFrame，只需针对符合条件的行和列进行原地修改，无需替换整个DataFrame：

方法1：直接使用布尔索引赋值 #

# 精准匹配第0列为'dog'的行，对第2列至末列执行除法
df.loc[df[0] == 'dog', 2:] = df.loc[df[0] == 'dog', 2:] / 100

如果第0列的值可能包含'dog'（比如'doggy'），可以用字符串包含匹配：

df.loc[df[0].str.contains('dog'), 2:] = df.loc[df[0].str.contains('dog'), 2:] / 100

方法2：使用div方法 #

和上面逻辑一致，只是用div替代除法运算符：

df.loc[df[0] == 'dog', 2:] = df.loc[df[0] == 'dog', 2:].div(100)

以上两种方式都会保留所有行和列，仅修改目标范围内的数据。

内容的提问来源于stack exchange，提问作者rupi