python - 如何在 Python pandas 中使零除以零结果为零？

Question

我想在 Pandas 中将一个数据帧除以另一个数据帧以最终表示百分比变化。两个数据帧值都包含 NaN 和 0。现在，当我将一个数据帧除以另一个时，两个数据帧的值为零的结果是 NaN。我知道为什么 0/0 设置为 np.nan，但是从百分比变化的角度来看，我需要 0/0 为 0。

完成此任务最干净的方法是什么？

重现问题:

import pandas as pd
import numpy as np

data_with_zeros = pd.DataFrame({'a': [2, np.nan, 0, 3], 'b': [np.nan, 2, 0, 6]})

data_with_zeros['a'].div(data_with_zeros['b'], fill_value=0)

结果:

0         inf
1         0.0
2         NaN
3         0.5
dtype: float64

Answer 1

这是 dataframe.where method 的一种方法-

mask = (data_with_zeros[['a','b']].values == [0,0]).all(1)
data_with_zeros['a'].div(data_with_zeros['b'], fill_value=0).where(~mask,0)

或者 mask 可以用更直观的方式创建，就像这样 -

mask = (data_with_zeros.a == 0) & (data_with_zeros.b == 0)

样本运行-

案例#1:

In [66]: data_with_zeros
Out[66]: 
     a    b
0  2.0  NaN
1  NaN  2.0
2  0.0  0.0
3  3.0  6.0

In [67]: mask = (data_with_zeros.a == 0) & (data_with_zeros.b == 0)

In [68]: data_with_zeros['a'].div(data_with_zeros['b'], fill_value=0).where(~mask,0)
Out[68]: 
0         inf
1    0.000000
2    0.000000
3    0.500000
dtype: float64

案例#2:

In [70]: data_with_zeros
Out[70]: 
     a    b
0  2.0  0.0
1  NaN  2.0
2  0.0  0.0
3  3.0  6.0

In [71]: mask = (data_with_zeros.a == 0) & (data_with_zeros.b == 0)

In [72]: data_with_zeros['a'].div(data_with_zeros['b'], fill_value=0).where(~mask,0)
Out[72]: 
0         inf
1    0.000000
2    0.000000
3    0.500000
dtype: float64