如何在Pandas中仅对布尔值为True的行计算col1的pct_change()？

我有一个包含布尔列的Pandas DataFrame，这个布尔列是通过条件判断生成的：

import pandas as pd
df = pd.DataFrame({'col1': [1,2,3,2.5,5,2]})
df['bool'] = df['col1'] >= 3

生成的DataFrame结构如下：

现在我需要实现：当bool列值为True时，计算col1列的pct_change()；当bool列值为False时，返回NaN。期望输出如下：

请问实现这个需求的最优方法是什么？

最优实现方法 #

我推荐用筛选目标行计算后再映射回原表的方式，这是效率最高且逻辑最清晰的做法，完美匹配你的需求：

先看完整代码：

import pandas as pd

# 初始化你的DataFrame
df = pd.DataFrame({'col1': [1,2,3,2.5,5,2]})
df['bool'] = df['col1'] >= 3

# 第一步：只取出bool为True的col1值，计算它们的百分比变化
true_col1 = df.loc[df['bool'], 'col1']
pct_result = true_col1.pct_change()

# 第二步：把计算结果赋值回原表，非True的行自动填充NaN
df['pct_change'] = pct_result

# 可选：按照示例保留三位小数
df['pct_change'] = df['pct_change'].round(3)

# 查看最终结果
print(df[['col1', 'pct_change']])

方法优势说明 #

1. 高效省资源：只对需要计算的行（bool为True的行）执行pct_change()，避免了对整个列计算后再过滤的冗余操作，处理大数据量时优势更明显。
2. 简洁易维护：利用Pandas的索引自动对齐特性，直接将计算结果赋值回原表即可，不需要写循环或复杂的条件判断，代码逻辑一目了然。
3. 灵活易扩展：如果后续需要调整布尔筛选条件，只需要修改df.loc的筛选规则，核心计算逻辑完全不需要变动。

运行代码后得到的结果就和你期望的完全一致啦。

内容的提问来源于stack exchange，提问作者Awitz