Pandas循环创建新列时如何正确处理ZeroDivisionError？

要批量生成由现有列比值构成的新列，同时只让分母为0的行返回np.nan（而非整列赋值），可以用以下两种高效的向量化方法，避免整列try-except的问题：

方法一：用np.where显式判断分母 #

先定义好新列与分子、分母列的对应关系，再循环处理每个列对：

import pandas as pd
import numpy as np

# 示例DataFrame
df = pd.DataFrame({
    'a': [10, 20, 30, 40],
    'b': [2, 0, 5, 0],
    'c': [15, 25, 35, 45],
    'd': [3, 6, 0, 9]
})

# 定义新列-分子-分母的映射列表
column_mappings = [
    ('e', 'a', 'b'),
    ('f', 'c', 'd')
]

# 循环生成新列
for new_col, num_col, den_col in column_mappings:
    # 分母为0时赋值np.nan，否则计算比值
    df[new_col] = np.where(df[den_col] == 0, np.nan, df[num_col] / df[den_col])

方法二：用div方法结合替换无穷值 #

pandas的div方法计算除法时，分母为0会返回inf/-inf，直接把这些无穷值替换成np.nan即可：

for new_col, num_col, den_col in column_mappings:
    # 计算除法后替换无穷值为nan
    df[new_col] = df[num_col].div(df[den_col]).replace([np.inf, -np.inf], np.nan)

为什么之前的try-except会失效？ #

如果用整列赋值的try-except，只要列中存在一个分母为0的行，整个除法运算就会抛出ZeroDivisionError，触发except分支后整列被赋值为np.nan。而上面的向量化方法是逐行处理运算，只会对分母为0的行单独赋值np.nan，不影响其他正常行的计算。

内容的提问来源于stack exchange，提问作者Alexandre