如何在Pandas中无循环实现基于编码属性的DataFrame除法

嘿，这个需求完全可以用pandas的向量化操作搞定，不用写for循环~ 咱们先理清楚数据之间的对应关系，然后利用pandas的索引对齐特性一步到位。

先明确数据关联 #

你的三个DataFrame关系是：

• df的每一列（颜色：Green/Blue/Red/Yellow）对应db里的一个属性（Small/Medium/Large）
• df1的列是属性，每个属性对应一组除数
• 最终要把df中每一列的数值，除以df1中对应属性列的数值

无循环实现方案 #

核心思路是：先把df的列名映射成对应的属性，让df1的除数列和df的数值列顺序完全对齐，然后直接做除法即可。

完整代码如下：

import pandas as pd
import numpy as np

# 生成原始数据
names=['Green','Blue','Red','Yellow']
values=np.random.randint(1,10,[3,4])
attributes=['Small','Small','Medium','Large']
attributes1=['Small','Medium','Large']
divisors=np.random.randint(1,5,(3,3))

db=pd.DataFrame(attributes,index=names)
df=pd.DataFrame(values,columns=names)
df1=pd.DataFrame(divisors,columns=attributes1)

# 无循环实现除法
# 1. 将df的列名映射为对应的属性
col_to_attr = df.columns.map(db[0])
# 2. 从df1中按属性顺序取出除数，并重命名列名和df一致
aligned_divisors = df1[col_to_attr].set_axis(df.columns, axis=1)
# 3. 直接执行除法
values_divided = df / aligned_divisors

为什么这个方法可行？ #

• df.columns.map(db[0])会把每个颜色列名转换成对应的属性（比如Green→Small），这样我们就能从df1中取出和df列顺序完全匹配的除数列
• set_axis(df.columns, axis=1)把除数表的列名改成和df一样的颜色名称，确保两个DataFrame的行列索引完全对齐，pandas会自动按位置/索引进行元素-wise除法
• 整个过程是向量式操作，比循环效率高得多，尤其是数据量较大时

验证结果一致 #

你可以用以下代码验证新方法和原循环方法的结果完全相同：

# 原循环方法的结果
values_divided_loop = pd.DataFrame(values, columns=names)
for name in values_divided_loop.columns:
    values_divided_loop[name] = df[name]/df1[db[0][name]]

# 对比结果
print(values_divided.equals(values_divided_loop))  # 输出True

内容的提问来源于stack exchange，提问作者gifa23