如何基于列值在Pandas DataFrame中无循环高效计算Coeff列？

问题场景 #

现有如下结构的Pandas DataFrame df_1：

Phase_1  Phase_2   Phase_3
0      8       4        2
1      4       6        3
2      8       8        3
3      10      5        8
...

需要新增名为Coeff的列，计算逻辑为(Phase_max - Phase_min) / Phase_max，其中Phase_max是每行中所有Phase开头列的最大值，Phase_min是对应行的最小值。期望输出如下：

Phase_1  Phase_2   Phase_3   Coeff
0      8       4        2       0.75
1      4       6        3       0.5
2      8       8        3       0.625
3      10      5        8       0.5

针对大型数据集，需采用无循环的最优实现方式。

最优实现方案 #

利用Pandas的矢量化行操作直接计算，完全避免循环，是处理大型数据集的最优方式：

# 筛选所有以Phase_开头的列
phase_cols = df_1.filter(like='Phase_').columns
# 计算每行的最大值与最小值
row_max = df_1[phase_cols].max(axis=1)
row_min = df_1[phase_cols].min(axis=1)
# 生成Coeff列
df_1['Coeff'] = (row_max - row_min) / row_max

方案优势 #

• 极致效率：Pandas的max(axis=1)和min(axis=1)是底层优化的矢量化操作，比Python循环快数倍至数十倍，适配百万级以上的大型数据集。
• 灵活适配：通过filter(like='Phase_')自动匹配所有Phase类列，后续新增同类型列无需修改代码。
• 逻辑清晰：代码直接对应需求中的计算步骤，可读性强，便于维护。

内容的提问来源于stack exchange，提问作者QQ1821