Pandas DataFrame数据处理：批量修改指定列数值

解决方案（Pandas） #

针对你的需求，以下两种方法都能高效完成单位转换，同时完全保留DataFrame原有结构：

方法1：按污染物类型匹配列（灵活适配不同乘数）

如果两种污染物的转换乘数不同，且列名有规律（比如格式为[站点名]_[污染物名]），可以用这种方式：

import pandas as pd

# 假设你的污染物转换规则：污染物A乘0.001，污染物B乘100
convert_rules = {"A": 0.001, "B": 100}

# 筛选所有需要转换的列（列名包含A或B）
cols_to_convert = [col for col in df.columns if any(p in col for p in convert_rules.keys())]

# 遍历列进行转换
for col in cols_to_convert:
    # 从列名提取污染物类型（根据实际列名格式调整split逻辑）
    pollutant = col.split("_")[-1]
    df[col] = df[col] * convert_rules[pollutant]

方法2：批量列操作（代码更简洁，适合同污染物统一乘数）

如果同一种污染物的所有列乘数相同，直接用字符串匹配批量处理：

# 给所有包含"A"的列乘0.001
df.loc[:, df.columns.str.contains("A")] *= 0.001

# 给所有包含"B"的列乘100
df.loc[:, df.columns.str.contains("B")] *= 100

关键注意事项 #

• 如果不想修改原始DataFrame，先做副本：new_df = df.copy()，再对new_df操作
• 7万条属于小数据量，两种方法都不会有性能问题
• 列名无规律的话，直接手动列出需要修改的8列即可，比如：

  cols = ["Station1_A", "Station1_B", "Station2_A", "Station2_B", "Station3_A", "Station3_B", "Station4_A", "Station4_B"]
  # 假设A的乘数是0.001，B是100，可拆分处理
  df[cols[::2]] *= 0.001  # 取所有A的列
  df[cols[1::2]] *= 100   # 取所有B的列
  

内容的提问来源于stack exchange，提问作者desperate_house_coder