Python 熊猫根据其最大值划分多个列

我有一个包含40列的数据帧，其中一些列是只包含0或1的二进制列。我想用一个名为“size”的列来划分所有非二进制列

现在我正在使用：

for i in range(df.shape[1]):
    col = df.iloc[:, i]
    if int(col.max()) > 1: # to check whether this column is binary
        df.iloc[:, i] = col/df['size']
    i+=1

---

我觉得我们应该避免在pandas中使用foor循环，那么有没有更优雅的方法来实现这一点呢？

以下类似的方法应该可以工作（假设数据帧中至少有一个非二进制列）：

---

类似于以下的方法应该可以工作（假设数据帧中至少有一个非二进制列）：

---

此处不需要IMHO

numpy

和

tolist

，熊猫拥有此任务的一切：

返回最大值大于1的所有列并丢弃“大小”：

cols = df.columns[df.max()>1].drop('size')

对于计算，只选择整列，不选择子集，因此您可以不使用“ix”或“loc”，直接按列名索引：

df[cols] = df[cols].div(df['size'], 0)

---

此处不需要IMHO

numpy

和

tolist

，熊猫拥有此任务的一切：

返回最大值大于1的所有列并丢弃“大小”：

cols = df.columns[df.max()>1].drop('size')

对于计算，只选择整列，不选择子集，因此您可以不使用“ix”或“loc”，直接按列名索引：

df[cols] = df[cols].div(df['size'], 0)

---

ix

自v0.20以来已被弃用，请改用

.loc

。

ix

自v0.20以来已被弃用，请改用

.loc

。