如何仅对Pandas DataFrame指定行数应用Lambda函数执行列除法？

我来帮你搞定这个需求，咱们先从确认你的DataFrame开始，先把数据加载好：

import pandas as pd

a = {'A': {0: 40.1, 1: 40.1, 2: 40.1, 3: 45.45, 4: 41.6, 5: 39.6}, 
     'B': {0: 41.0, 1: 43.6, 2: 41.65, 3: 47.7, 4: 46.0, 5: 42.95}, 
     'C': {0: 826.0, 1: 835.0, 2: 815.0, 3: 169.5, 4: 170.0, 5: 165.5}, 
     'D': {0: 889.0, 1: 837.0, 2: 863.3, 3: 178.8, 4: 172.9, 5: 170.0}}
df = pd.DataFrame(a)

接下来分几种场景给你解决方案，按需选用就行：

场景1：处理前N行（比如前3行）的C列 #

如果你想给前3行的C列做除法（比如除以100），用loc定位行和列，再结合apply+lambda就能实现：

# 对前3行的C列应用lambda执行除法
df.loc[df.index[:3], 'C'] = df.loc[df.index[:3], 'C'].apply(lambda x: x / 100)

执行后你的DataFrame会变成这样：

A      B      C      D
0  40.10  41.00   8.26  889.0
1  40.10  43.60   8.35  837.0
2  40.10  41.65   8.15  863.3
3  45.45  47.70 169.50  178.8
4  41.60  46.00 170.00  172.9
5  39.60  42.95 165.50  170.0

场景2：处理任意连续行数（比如第2到第4行） #

要是你想处理中间某一段行，调整索引范围就行，比如处理索引1到3的行（也就是第2到第4行）：

# 对索引1-3的行的C列除以2
df.loc[df.index[1:4], 'C'] = df.loc[df.index[1:4], 'C'].apply(lambda x: x / 2)

场景3：复杂逻辑的除法（结合其他列的值） #

如果你的除法不是固定除数，需要用到同一行其他列的值，lambda就能派上大用场，比如让前3行的C列除以对应行的A列值：

# 前3行C列除以对应行的A列值，axis=1表示按行处理
df.loc[:2, 'C'] = df.loc[:2].apply(lambda row: row['C'] / row['A'], axis=1)

小提示：更高效的替代方案 #

如果只是简单的固定除数除法，其实不用lambda，直接做向量运算速度更快（尤其是数据量大的时候）：

# 前3行C列直接除以100，和lambda效果一样但更高效
df.loc[:2, 'C'] = df.loc[:2, 'C'] / 100

另外，如果你不想修改原DataFrame，记得先复制一份：

df_copy = df.copy()
df_copy.loc[:2, 'C'] = df_copy.loc[:2, 'C'].apply(lambda x: x / 100)

内容的提问来源于stack exchange，提问作者Naveen