如何优雅地对Pandas DataFrame中float64类型元素统一除以100？

刚好遇到过类似需求，这里有两种简洁高效的实现方式，完全不用手动指定目标列，自动识别所有float64类型列完成除法：

方法一：一行代码快速实现（适合小数据集） #

利用apply遍历每一列，判断类型后执行运算，代码简洁直观：

import pandas as pd

# 假设你的DataFrame名为df
df = df.apply(lambda col: col / 100 if col.dtype == 'float64' else col)

方法二：高效向量运算（推荐大数据集） #

先通过select_dtypes精准筛选出所有float64列，再直接对这些列做向量运算——Pandas的向量运算比逐列apply效率高得多，处理大表时优势明显：

# 筛选所有float64类型的列
float_columns = df.select_dtypes(include=['float64']).columns
# 对目标列执行除法
df[float_columns] = df[float_columns] / 100

实际测试示例 #

我们用一个混合类型的DataFrame验证效果：

# 创建测试数据
test_data = {
    'float_col1': [200.0, 400.0, 600.0],
    'int_col': [1, 2, 3],
    'str_col': ['apple', 'banana', 'cherry'],
    'float_col2': [150.5, 320.8, 570.3]
}
df = pd.DataFrame(test_data)

# 使用方法二处理
float_cols = df.select_dtypes(include=['float64']).columns
df[float_cols] = df[float_cols] / 100

print(df)

输出结果：

float_col1  int_col   str_col  float_col2
0         2.0        1     apple        1.505
1         4.0        2    banana        3.208
2         6.0        3    cherry        5.703

可以看到只有float_col1和float_col2这两个float64列被除以100，其他类型的列完全不受影响，完美匹配需求。

内容的提问来源于stack exchange，提问作者airzed