保留NaN的前提下对DataFrame列执行log2比率计算

现有如下DataFrame：

需要计算treated与control的log2比率，即log2(treated/control)。但control列存在0值，直接用math.log2()会触发除零错误，希望通过链式调用（如df.assign()）实现计算，无法计算的位置填充NaN，最终结果如下：

当前实现方法较为繁琐：

• 创建ratio列，值为treated/control
• 执行new_df = df.dropna()过滤有效行
• 对new_df应用log2比率计算
• 将结果左连接回原始DataFrame

需要更简洁的解决方案。

可以直接利用numpy的向量化函数结合df.assign()实现链式调用，numpy的数学函数会自动处理无效运算（除零、负数取对数等）并返回NaN，无需分步处理：

import pandas as pd
import numpy as np

# 构造示例DataFrame
df = pd.DataFrame({
    'treated': [9.5, 10, 6, 6],
    'control': [9.6, 5, 0, 6]
})

# 链式调用计算log2比率
result_df = df.assign(
    log_2_ratio=lambda x: np.log2(x['treated'] / x['control'])
)

print(result_df)

说明： #

• np.log2()是向量化操作，直接对Series运算，遇到除零、负数等无效情况时自动返回NaN，无需额外处理
• lambda x在assign()中引用当前DataFrame的列，完美实现链式调用
• 最终结果会自动保留原始所有行，无效计算位置填充NaN，完全符合需求

如果需要拆分步骤提升可读性，也可以这么写：

result_df = df.assign(
    ratio=lambda x: x['treated'] / x['control'],
    log_2_ratio=lambda x: np.log2(x['ratio'])
).drop(columns='ratio')

内容的提问来源于stack exchange，提问作者KLM117