Pandas做分组transform转换忽略NaN值计算权重报除零错误如何解决

问题根因 #

原代码存在两个核心问题：

• 分组后未指定仅对Value列做变换，逻辑不精准，且如果分组内Value全为NaN时会触发除零错误
• 未对原Value为NaN的行单独做NaN赋值，导致所有行都返回了倒数结果，不符合需求

实现代码 #

首先构造示例测试数据：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'Name': ['A', 'A', 'A', 'B', 'B', 'B', 'B'],
    'Value': [1, 2, np.nan, 3, 7, 9, np.nan]
})

已实现的Weight1逻辑可直接保留：

df['Weight 1'] = df.groupby(['Name'])['Value'].transform(lambda x: 1/len(x))

Weight2的正确实现方式：

# 计算每个分组的非NaN Value计数，pandas内置count方法自动忽略NaN
group_valid_count = df.groupby(['Name'])['Value'].transform('count')
# 计算倒数，同时处理除零场景：分组全为NaN时直接返回NaN避免报错
df['Weight 2'] = np.where(group_valid_count == 0, np.nan, 1 / group_valid_count)
# 原Value为NaN的行，Weight2强制设为NaN
df.loc[df['Value'].isna(), 'Weight 2'] = np.nan

输出结果验证 #

最终输出结果如下：

结果完全匹配需求：

• Name A分组非NaN Value共2个，有效行Weight2为1/2=0.5，NaN行对应Weight2为NaN
• Name B分组非NaN Value共3个，有效行Weight2为1/3≈0.3333，NaN行对应Weight2为NaN
• 自动兼容分组全为NaN的场景，不会触发除零警告

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