如何基于Pandas中行的devisor_col值对所有列应用公式？

我有如下DataFrame：

+------+------+------+-------------+
|  A   |   B  |  C   | devisor_col |
+------+------+------+-------------+
|    2 |    4 |   10 |           2 |
|    3 |    3 |    9 |           3 |
|   10 |   25 |   40 |          10 |
+------+------+------+-------------+

需要用devisor_col列的值对其余所有列做除法运算，数据包含数千行和列，期望得到如下结果（注：原示例中列名V为笔误，修正为C）：

+------+------+------+-------------+
| A    | B    | C    | devisor_col |
+------+------+------+-------------+
|    1 |    2 |    5 |           2 |
|    1 |    1 |    3 |           3 |
|    1 |  2.5 |    4 |          10 |
+------+------+------+-------------+

我尝试使用applymap方法但无法生效，代码如下：

modResult = my_df.applymap(lambda x: x/x["devisor_col"])

请问实现该需求的最优命令是什么？

最优解法：利用Pandas广播特性（高效适配大规模数据） #

applymap是逐元素操作，无法在lambda中获取每行的devisor_col值，这是代码失效的核心原因。针对数千行/列的大规模数据，最优方案是直接使用Pandas的列运算广播机制，无需循环或apply类方法，性能更优。

代码实现：

# 筛选出需要处理的列（排除devisor_col）
target_cols = my_df.columns.drop('devisor_col')
# 对目标列执行除法，通过reshape实现广播匹配每行的除数
my_df[target_cols] = my_df[target_cols] / my_df['devisor_col'].values.reshape(-1, 1)

关键说明：

1. reshape(-1,1)将devisor_col的一维数组转为二维列向量，触发Pandas的广播机制，让每行的所有目标列元素自动对应除以该行的devisor_col值
2. 直接对列进行批量运算，比逐行/逐元素操作的效率高一个数量级，完全适配大规模数据场景

如果需要保留原DataFrame，生成新的结果集，可以先复制原数据：

modResult = my_df.copy()
target_cols = modResult.columns.drop('devisor_col')
modResult[target_cols] = modResult[target_cols] / modResult['devisor_col'].values.reshape(-1, 1)

内容的提问来源于stack exchange，提问作者Led