如何遍历pandas DataFrame按条件将大于1000的数值除以100
问题原因与实现方案
报错的核心原因
你写的双层循环触发索引越界,本质是遍历逻辑混淆了变量的实际含义:
- 第一层循环
for cols in df取到的是DataFrame的列名,这部分逻辑没有问题 - 第二层循环
for rows in df[cols]取到的是该列下所有单元格的具体数值,并非对应的行索引;你直接把这个数值作为行索引,去读取df[cols][rows],碰到像4021.0这类远超出DataFrame行索引范围的数值,自然会触发索引越界报错。
最优实现方案(无手动循环)
Pandas本身支持整表级的向量化条件运算,处理这类全表元素替换的需求完全不需要逐行逐列写循环,运算速度比手动循环快几个数量级,也不会出现索引匹配错误:
# 所有数值>1000的元素,替换为自身除以100的结果;<=1000的元素保留原值 df = df.mask(df > 1000, df / 100)
这个方法的逻辑非常直接:mask会逐位置判断传入的条件df > 1000,条件为真的位置就用第二个参数(整个DataFrame除以100的运算结果)替换原数值,条件为假的位置完全保留原值。
处理效果完全匹配你的需求:原表中的4021.0会被转换为40.21,2694.0会被转换为26.94,其余小于等于1000的数值不会被改动。
手动遍历的正确写法(仅作原理演示,不推荐日常使用)
如果一定要用循环实现对应逻辑,必须严格匹配DataFrame的索引规则,不能拿单元格值当索引用:
for col_name in df.columns: # 遍历当前列所属的所有合法行索引 for row_idx in df.index: current_val = df.loc[row_idx, col_name] if current_val > 1000: df.loc[row_idx, col_name] = current_val / 100
这种写法虽然逻辑正确,但在处理宽表、大表时性能远低于向量化方案,实际开发中优先使用前面的向量化写法即可。
内容的提问来源于stack exchange,提问作者gator
相关产品推荐
相关产品推荐

