如何在Python中正确计算DataFrame每行的z-score（SNV）？

问题分析 #

你需要为每个Wavelength对应的行（即每行的多个吸光度值）计算SNV（标准正态变量），也就是按行计算z-score，而不是按列。之前的错误主要是axis参数方向搞反，以及lambda表达式的语法逻辑错误。

正确实现方法 #

基础版（直接使用scipy.stats.zscore）

先筛选出需要计算的吸光度列，再按行应用stats.zscore：

from scipy import stats
import pandas as pd

# 筛选出所有吸光度列（排除不需要的Wavelength和Mean）
absorbance_df = df.drop(['Wavelength', 'Mean'], axis=1)

# 按行计算z-score，nan_policy='omit'会忽略行内的NaN值
df_snv = absorbance_df.apply(stats.zscore, axis=1, nan_policy='omit')

# 可选：把Wavelength列合并回结果
df_snv = pd.concat([df['Wavelength'], df_snv], axis=1)

优化版（处理标准差为0的情况）

如果某行的所有吸光度值完全相同，会导致标准差为0，计算z-score时出现NaN。可以自定义函数处理这种情况：

from scipy import stats
import pandas as pd

def calculate_snv(row):
    row_mean = row.mean()
    row_std = row.std(ddof=1)
    # 当标准差为0时，返回全0的行（避免NaN）
    if row_std == 0:
        return pd.Series([0]*len(row), index=row.index)
    return (row - row_mean) / row_std

# 筛选吸光度列
absorbance_df = df.drop(['Wavelength', 'Mean'], axis=1)
# 应用自定义函数按行计算
df_snv = absorbance_df.apply(calculate_snv, axis=1)
# 合并Wavelength列
df_snv = pd.concat([df['Wavelength'], df_snv], axis=1)

错误原因说明 #

1. axis参数错误：你之前用axis=0是按列计算z-score，这会把每个吸光度列下的所有Wavelength值做标准化，和需求相反；axis=1时出现NaN，大概率是因为某行的标准差为0（比如该行所有吸光度值相同）。
2. lambda表达式错误：你的lambda代码里x.df是无效语法，且默认apply是按列处理（axis=0），方向完全不符合需求。

内容的提问来源于stack exchange，提问作者Sandy