Skip to main content
 首页 » 编程设计

python之每隔一列除以最后一列中的值

2025年02月15日9zhenyulu

我有如下所示的数据。我想用权重列划分每隔一行。有没有自动的方法来做到这一点?我的数据有几列。

我要查找的是 A/Weight 的结果应替换为 A 列,C/Weight 的结果应替换为 C 列,依此类推,直到最后一对列。

          A            B           C           D       Weight 
 0   2.056494    -3.002088   0.516822    -1.338846      0.40 
 1   0.082295    1.387734    -0.495226   1.119553       0.50  
 2   0.298618    -0.130158   0.804705    -0.120110      0.25 
 3   0.178088    1.137238    1.331856    -0.472720      0.50 
 4   -0.378670   1.649041    -0.240723   2.044113       0.65 
 5   3.602587    1.152502    -0.170646   -0.961922      0.50 
 6   -0.285846   -0.154891   1.492879    0.752487       0.56 
 7   -0.412809   1.076796    -2.001025   -0.954021      0.25 

我有这样的东西,但它不起作用:

results=results.iloc[:, 0::2].div(results['Weight'], axis=0) 

下面的代码适用于所有其他列(B/A 和 D/C)。但我只需要“重量”列的静态分母。

results_201.iloc[:,1::2] /= results_201.iloc[:,::2].values 

感谢您阅读本文并提供帮助!

请您参考如下方法:

我们需要 broadcasting这里。因此,一种方法是使用底层数组数据进行原位编辑,就像这样 -

df.iloc[:,:-1:2] = df.iloc[:,:-1:2].values / df.iloc[:,[-1]].values 

sample 运行-

In [62]: df 
Out[62]:  
        A       B       C       D  Weight 
0  2.0565 -3.0021  0.5168 -1.3388  0.4000 
1  0.0823  1.3877 -0.4952  1.1196  0.5000 
2  0.2986 -0.1302  0.8047 -0.1201  0.2500 
3  0.1781  1.1372  1.3319 -0.4727  0.5000 
4 -0.3787  1.6490 -0.2407  2.0441  0.6500 
5  3.6026  1.1525 -0.1706 -0.9619  0.5000 
6 -0.2858 -0.1549  1.4929  0.7525  0.5600 
7 -0.4128  1.0768 -2.0010 -0.9540  0.2500 
 
In [63]: df.iloc[:,:-1:2] = df.iloc[:,:-1:2].values / df.iloc[:,[-1]].values 
 
In [64]: df 
Out[64]:  
        A       B       C       D  Weight 
0  5.1412 -3.0021  1.2921 -1.3388  0.4000 
1  0.1646  1.3877 -0.9905  1.1196  0.5000 
2  1.1945 -0.1302  3.2188 -0.1201  0.2500 
3  0.3562  1.1372  2.6637 -0.4727  0.5000 
4 -0.5826  1.6490 -0.3703  2.0441  0.6500 
5  7.2052  1.1525 -0.3413 -0.9619  0.5000 
6 -0.5104 -0.1549  2.6659  0.7525  0.5600 
7 -1.6512  1.0768 -8.0041 -0.9540  0.2500 

一个更省心的替代方案是将整个数据作为数组 View 获取并在该数组本身上处理 -

In [96]: df 
Out[96]:  
        A       B       C       D  Weight 
0  2.0565 -3.0021  0.5168 -1.3388  0.4000 
1  0.0823  1.3877 -0.4952  1.1196  0.5000 
2  0.2986 -0.1302  0.8047 -0.1201  0.2500 
3  0.1781  1.1372  1.3319 -0.4727  0.5000 
4 -0.3787  1.6490 -0.2407  2.0441  0.6500 
5  3.6026  1.1525 -0.1706 -0.9619  0.5000 
6 -0.2858 -0.1549  1.4929  0.7525  0.5600 
7 -0.4128  1.0768 -2.0010 -0.9540  0.2500 
 
In [97]: a = df.values 
 
In [98]: a[:,:-1:2] /= a[:,[-1]] 
 
In [99]: df 
Out[99]:  
        A       B       C       D  Weight 
0  5.1412 -3.0021  1.2921 -1.3388  0.4000 
1  0.1646  1.3877 -0.9905  1.1196  0.5000 
2  1.1945 -0.1302  3.2188 -0.1201  0.2500 
3  0.3562  1.1372  2.6637 -0.4727  0.5000 
4 -0.5826  1.6490 -0.3703  2.0441  0.6500 
5  7.2052  1.1525 -0.3413 -0.9619  0.5000 
6 -0.5104 -0.1549  2.6659  0.7525  0.5600 
7 -1.6512  1.0768 -8.0041 -0.9540  0.2500