pandas中如何将DataFrame各行数据除以对应月份的天数

样例中行索引0对应2022年1月（共31天）、行1对应2022年2月（2022是平年，共28天）、行2对应2022年3月（共31天）。
直接用pandas原生向量化运算实现即可，不需要写循环逐行处理，原表中的NaN值会自动保留，不需要额外做缺失值预处理：

• 第一步：严格按照DataFrame的行顺序，构造对应月份的天数列表

# 顺序和行顺序一一对应：1月、2月、3月的自然天数
month_days = [31, 28, 31]

• 第二步：调用div()方法做按行广播除法，必须指定参数axis=0，表示按行对齐做运算——即每一行的所有数值列，都除以该行对应的天数

df = df.div(month_days, axis=0)

踩坑提醒 #

• 别直接写df / month_days：pandas默认四则运算是按列对齐广播，直接相除会把列表值按列顺序匹配，列数和列表长度不一致时会直接报错，必须显式指定axis=0才能按行对齐运算。
• 该方法是向量化实现，比用apply逐行计算的效率高很多，数据量越大优势越明显。
• 后续如果要追加新月份的行，只需要把对应月份的天数按行顺序追加到month_days列表里即可，不需要修改核心运算逻辑。
  运算完成后的输出结果如下：

A          B      C           D          E          G
0  7.129032   3.838710  14.677         NaN  21.838710        NaN
1  12.214286  43.678571   4.75  130.785714        NaN  11.464286
2  8.129032        NaN   1.71         NaN        NaN        NaN

如果涉及闰年2月、或者跨更多年份月份的场景，只需要调整month_days列表里的对应天数即可，逻辑完全通用。

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