如何在Python熊貓中使零歸零？

Question

我想在Pandas中將另一個數據框除以另一個數據框，以最終表示百分比變化。這兩個數據幀值都包含NaN和0.現在，當我將一個數據幀除以另一個數據幀時，兩個數據幀的值爲零的結果是NaN。我知道爲什麼0/0被設爲np.nan，但是從百分比變化的角度來看，我需要0/0爲0

什麼是完成這一任務的乾淨的方式？

重現問題：

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) 

結果：

0   inf 
1   0.0 
2   NaN 
3   0.5 
dtype: float64 

Answer 1

這裏與dataframe.where method的方法 -

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可以在一個位來創建更直觀的方式，像這樣 -

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

樣品試驗 -

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 

Answer 2

更換inf值

In [61]: data_with_zeros['a'].div(data_with_zeros['b'], fill_value=0).replace({np.inf: 0}) 
Out[61]: 
0 0.0 
1 0.0 
2 NaN 
3 0.5 
dtype: float64 

Answer 3

除了由Divakar提供的解決方案，該函數使用方法做一個數據幀/數據幀劃分：

def divide(a, other, fill_value=None): 

    serie_name = a.name 
    mask = ((a == 0) & (other[serie_name] == 0)) 
    result_with_zeros = a.div(other[serie_name], fill_value=fill_value) 
    result_filled = result_with_zeros.where(~mask,0) 

    return result_filled 

data_with_zeros.apply(divide, args=(data_with_zeros,)) 

結果：

a b 
0 1.0 0.0 
1 NaN 1.0 
2 0.0 0.0 
3 1.0 1.0