Pandas如何对浮点列≥100的数值按指定公式原位修改

核心思路 #

采用Pandas向量化操作实现，比逐行遍历/apply效率更高，同时直接赋值回原列实现原位替换，满足需求。

完整实现代码 #

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    "其他列": ["foobar", "foobar", "fuubahr"],
    "存储为float的百分比列": [84.85, 15.95, 102.25]
})

# 方法1：mask方法（代码最简洁）
# 条件为真时替换为计算值，否则保留原值，直接赋值回原列完成原位替换
df["存储为float的百分比列"] = df["存储为float的百分比列"].mask(
    df["存储为float的百分比列"] >= 100.00,
    ((df["存储为float的百分比列"] - 100) * 0.25) + 100
)

# 方法2：loc定位修改（逻辑更直观，适合新手理解）
# 先定位符合条件的行，再直接赋值计算后的结果
# cond = df["存储为float的百分比列"] >= 100.00
# df.loc[cond, "存储为float的百分比列"] = ((df.loc[cond, "存储为float的百分比列"] - 100) * 0.25) + 100

# 输出验证结果
print(df)

输出结果 #

运行后得到的结果和期望完全一致：

注意事项 #

• 两种方法都支持原位修改，不需要额外生成新列
• 如果列中存在空值NaN，可以在mask方法中添加na_action='ignore'参数跳过空值，避免计算报错

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