Pandas如何修改DataFrame除指定索引行外的所有数据值

我有一个存储float64类型值的DataFrame，需要将除索引为388的行之外的所有数值都除以100，为此编写了如下代码：

数据预处理 #

import pandas as pd
df = pd.read_csv('state_cpi.csv')
d = {'January':1, 'February':2, 'March':3, 'April':4, 'May':5, 'June':6, 'July':7, 'August':8, 'September':9, 'October':10, 'November':11, 'December':12}
df['Month']=df['Name'].map(d)
r = {'Rural':1, 'Urban':2, 'Rural+Urban':3}
df['Region_code']=df['Sector'].map(r)
df['Himachal Pradesh'] = df['Himachal Pradesh'].str.replace('--','NaN')
df['Himachal Pradesh'] = df['Himachal Pradesh'].astype('float64')

提取目标数据子集 #

data = df.iloc[:,3:-2]

原除法实现代码 #

data[:,:388] = (data[:,:388] / 100).round(2)
data[:,389:] = (data[:,389:] / 100).round(2)

运行代码后发现，返回的DataFrame中索引为388的行的数据也被除以了100，不符合预期。

你的代码存在两个核心问题：

• 切片维度写反：二维数据的切片规则是[行筛选范围, 列筛选范围]，你写的[:,:388]第一个行位置传入:代表选中所有行，第二个列位置传入:388代表选中前388列，全程没有添加「排除388行」的筛选逻辑，所有行（包括388行）自然都会被修改。
• 索引用法错误：[:, 切片]是numpy二维数组的索引写法，不是pandas DataFrame的标准索引语法，直接使用会触发不符合预期的匹配行为。

不需要拆分两段切片做两次运算，直接通过索引筛选排除目标行，一次性完成运算即可，逻辑更清晰也不容易出错：

# 筛选所有索引不等于388的行，全部数值列除以100后保留两位小数
data.loc[data.index != 388, :] = (data.loc[data.index != 388, :] / 100).round(2)

如果你需要按行的位置（而非索引标签）排除第388行，也可以用.iloc位置索引器实现：

data.iloc[lambda x: x.index != 388, :] = (data.iloc[lambda x: x.index != 388, :] / 100).round(2)

提示：如果你的DataFrame索引不是默认的连续整数索引，优先使用第一种.loc按索引标签筛选的写法，避免行位置和索引标签不匹配导致的筛选错误。

内容的提问来源于stack exchange，提问作者Samar Pratap Singh