如何在Pandas中处理含零值的百分比变化计算？

你的需求是对分组后的score列计算百分比变化，同时处理前值为0的场景——当从0变为非0值时，让百分比变化返回100%（即1.0），而非默认的inf。

方法一：自定义百分比变化函数 #

可以编写自定义函数覆盖默认的pct_change()逻辑，针对性处理除以零的情况：

import pandas as pd

df = pd.DataFrame({'team': ['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C'],
                   'points': [12, 0, 19, 22, 0, 25, 0, 30],
                   'score': [12, 0, 19, 22, 0, 25, 0, 30] 
                   })

def custom_pct_change(series):
    diff = series.diff()  # 计算当前值与前值的差值
    prev_values = series.shift(1)  # 获取前一个值
    # 遍历每一行：前值不为0时用常规公式，前值为0时返回1.0
    return pd.Series(
        [(d / p) if p != 0 else 1.0 for d, p in zip(diff, prev_values)],
        index=series.index
    )

# 分组应用自定义函数
df['score'] = df.groupby('team', sort=False)['score'].apply(custom_pct_change).to_numpy()

print(df)

方法二：用where简化逻辑 #

如果想要更简洁的代码，可以基于默认的pct_change()结果，用where方法替换前值为0时的inf：

import pandas as pd

df = pd.DataFrame({'team': ['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C'],
                   'points': [12, 0, 19, 22, 0, 25, 0, 30],
                   'score': [12, 0, 19, 22, 0, 25, 0, 30] 
                   })

df['score'] = df.groupby('team', sort=False)['score'].apply(
    lambda x: x.pct_change().where(x.shift(1) != 0, 1.0)
).to_numpy()

print(df)

运行结果 #

两种方法都会得到相同的输出：

team  points  score
0    A      12    NaN
1    A       0   -1.0
2    A      19    1.0
3    B      22    NaN
4    B       0   -1.0
5    B      25    1.0
6    C       0    NaN
7    C      30    1.0

• 每组第一个值因无前置值保留NaN（与pct_change()默认行为一致）
• 从非0值变为0时，按常规逻辑计算为-100%（即-1.0）
• 从0变为非0值时，返回1.0（100%），完全匹配你的需求

内容的提问来源于stack exchange，提问作者Bad Coder