Python列保留原始更新的“NA”；从不使用float更新

更新dataframe列FractionOfVote时，我的第一步是添加一个新列FractionOfVote，并使用默认值 NA值。然后使用split解析dataframe列vots

以下两个函数代码运行良好：1添加新列分数，2添加新列投票

def add_new_column_fraction(df):
    df['FractionOfVote'] = 'NA'

def add_new_column_votes(df):
    df[['YesVotes','NumVotes']] = df['Votes'].str.split('/',expand=True)[[0,1]]

问题代码位于函数calc_Faction_ratio_for_Voces中

def calc_fraction_ratio_for_votes(df):
    for idx, row in df.iterrows():
        numerator = row['YesVotes']
        denomerator = row['NumVotes']
        try:
            row['FractionOfVote'] = float(numerator) / float(denomerator)
        except ZeroDivisionError:
            row['FractionOfVote'] = 'NaN'

此函数获取另外两个数据帧列YesVotes和NumVotes，并计算新数据帧的新浮点值 列FractionOfVote，前面在add_new_column_fraction中定义

---

逻辑错误是FractionOfVote列保留了原始更新的“NA”；并且从未收到来自行['FractionOfVote']=floatnumerator/floatdenomerator的更新，其中包含浮点值计算，或来自except ZeroDivisionError的'NaN'。

您应该尝试避免Python级别的循环。首先，如有必要，请确保序列为数字：

df = pd.DataFrame({'Yes': [0, 3, 0, 10, 0],
                   'Num': [0, 5, 0, 30, 2]})

num_cols = ['Yes', 'Num']
df[num_cols] = df[num_cols].apply(pd.to_numeric, errors='coerce')

然后使用除法并用NaN替换inf：

首先，为什么要使用iTerRows？使用矢量化实现可以获得如下相同的结果：

 # Create column and fill all values to NaN by default
 df['FractionOfVote'] = np.nan # import numpy as np if you didn't

 # Populate the valid values with the ratio.
 df.loc[df['NumVotes'].astype(float) > 0, 'FractionOfVote'] = df['YesVotes'] / df['NumVotes'] 

---

谢谢，没错，data.frames上的Python级循环似乎运行得有些不规则，感谢您捕捉并推荐避免data.frames上的Python循环当data.frames级函数更适合使用时为什么我使用ItError，Java迭代编程太多年了，这仍然在我的脑海中：

 # Create column and fill all values to NaN by default
 df['FractionOfVote'] = np.nan # import numpy as np if you didn't

 # Populate the valid values with the ratio.
 df.loc[df['NumVotes'].astype(float) > 0, 'FractionOfVote'] = df['YesVotes'] / df['NumVotes']