Pandas筛选含BPS的列计算后回写原数据集的实现方法

现有大型Pandas DataFrame，需完成如下处理：

• 筛选出列名包含特定短语（如BPS）的列
• 对筛选出的列内所有数值统一除以10000
• 将计算结果替换回原数据集对应列，其余列保持不变

目前可通过代码筛选出目标列，但无法将处理结果正确回写到原数据集。之前尝试的代码如下：

raw = raw.filter(like = 'BPS', axis = 1) / 10000

上述写法只会返回处理后的目标列，原数据中其他列会被丢弃，不符合需求。希望找到最简洁清晰的实现方式，尽量避免冗余的自定义函数。

直接通过列定位批量赋值即可，一行代码就能完成全流程，对大型数据集也很友好：

# 匹配所有列名包含'BPS'的列（忽略大小写），原地完成除法计算和回写
raw.loc[:, raw.columns.str.contains('BPS', case=False)] /= 10000

如果需要严格匹配大小写，删除参数case=False即可。

写法说明 #

• raw.columns.str.contains('BPS')会生成对应列的布尔选择掩码，比filter方法更适配批量赋值的场景
• loc[:, 列选择掩码]会精准定位所有目标列的位置，配合/=原地计算符直接更新对应列的值，不会改动非目标列的任何数据，也不会生成多余的DataFrame副本，内存开销更低
• 逻辑直白，不需要额外写自定义函数，也不需要做拆分、拼接DataFrame的操作，后续如果要调整匹配规则（比如换正则匹配、改匹配关键词）也很方便

如果更习惯用filter的匹配逻辑，也可以用下面的等价写法：

raw[raw.filter(like='BPS').columns] /= 10000

只是从灵活性角度看，str.contains的方案适配场景更广。

内容的提问来源于stack exchange，提问作者BPD