如何在Pandas Series/列中对每行列表内的两数做除法运算

问题回顾 #

你手头有一个Pandas列，每行是由两个数字组成的列表（从分数拆分而来），示例数据如下：

0    [1, 39]
1    [1, 39]
2    [1, 39]
3    [2, 39]
4    [4, 39]

你的需求是把每行的两个数字相除，得到单个浮点数，但之前用的apply方法不仅效率低下，还返回了全相同的结果，同时列中还存在NaN值需要处理。

错误原因分析 #

你之前使用的代码：

t.apply(lambda x: float(t[0][0])/float(t[0][1]))

问题出在lambda里引用的是整个Series的第一行数据（t[0]），而不是当前迭代的行x，所以所有行都复用了第一行的1/39结果，导致输出全相同。另外，apply本质是逐行循环，当数据量较大时，效率远低于Pandas的矢量化操作。

高效解决方案 #

使用Pandas的矢量化字符串操作来处理，不仅速度快，还能自动处理NaN值：

方法一：直接链式操作

df['INTRON'] = df['INTRON'].str.split('/').str[0].astype('float64') / df['INTRON'].str.split('/').str[1].astype('float64')

这个方法的逻辑是：

• str.split('/')：把每行的分数字符串拆分成包含两个元素的列表
• str[0]和str[1]：分别提取拆分后的第一个和第二个元素
• astype('float64')：把字符串转成浮点型
• 最后执行除法运算，得到每行的浮点数结果

方法二：优化版（减少一次拆分操作）

上面的方法会调用两次str.split，可以用expand=True参数把拆分结果直接展开成两列，只拆分一次，效率更高：

# 拆分并转成浮点型，得到两列临时数据
split_df = df['INTRON'].str.split('/', expand=True).astype('float64')
# 两列相除，赋值回原列
df['INTRON'] = split_df[0] / split_df[1]

这个版本在数据量较大时，性能提升会更明显。

两种方法都能正确处理NaN值：当原列是NaN时，拆分后的结果也是NaN，相除后仍然是NaN，不会抛出异常。

内容的提问来源于stack exchange，提问作者Justin