如何在Pandas中基于两列除法创建新列并避免除以0？

这里有几种实用的方法实现你的需求：当price列为0时新列设为None（Pandas数值列中会自动转为NaN），否则计算memory/price：

方法1：用numpy.where直接判断赋值 #

这是最直观的方式，先判断条件再执行计算或赋值：

import pandas as pd
import numpy as np

# 构造示例数据
df = pd.DataFrame({
    'id': [0,1,2,3,4],
    'memory': [7568,53759,41140,10558,44436],
    'price': [751.64,885.17,1067.78,0,1023.13]
})

# 创建新列
df['new'] = np.where(df['price'] == 0, None, df['memory'] / df['price'])

执行后df['new']的结果：

0     10.068650
1     60.732738
2     38.530144
3           NaN
4     43.431592
Name: new, dtype: float64

方法2：先计算再用loc修正 #

先执行除法运算，再定位price为0的行修改新列值：

df['new'] = df['memory'] / df['price']
df.loc[df['price'] == 0, 'new'] = None

这个方法适合已经执行了除法、需要修正结果的场景，和方法1效果完全一致。

方法3：直接替换inf值 #

如果已经得到了包含inf的结果，可以直接把无穷值替换为None：

df['new'] = df['memory'] / df['price']
df['new'] = df['new'].replace([np.inf, -np.inf], None)

注意事项 #

• Pandas数值类型列无法存储原生None，会自动转为NaN（缺失值标记），这是符合Pandas数据规范的；若要强行保留None，可将列转为object类型，但会影响后续数值运算，不推荐。
• 如果price列是浮点型的0（比如0.0），df['price'] == 0的条件判断依然有效。

内容的提问来源于stack exchange，提问作者Aviv Moyal