本文介绍如何在Pandas中快速将某列（如wgt）中与另一列（如Type）为NaN位置对应的权重置零，并对剩余非零权重进行比例重缩放，使其总和保持不变（如仍为1）。
本文介绍如何在pandas中快速将某列（如`wgt`）中与另一列（如`type`）为nan位置对应的权重置零，并对剩余非零权重进行比例重缩放，使其总和保持不变（如仍为1）。
在数据分析中，常需根据辅助列的完整性动态调整权重分布。例如，当Type列存在缺失值时，我们希望将对应行的权重清零，并将原有权重按比例分配给有效样本，确保整体权重和不变（如仍为1.0）。手动计算（求和、替换、缩放）不仅冗长易错，也违背向量化原则。
Pandas 提供了简洁高效的链式操作方案。核心思路是：先屏蔽（mask）缺失位置的权重为0，再对整个新序列做归一化除法（除以其自身总和）。
以下为推荐实现方式：
import pandas as pd
import numpy as np
df = pd.DataFrame({
'Type': ['A', np.nan, 'B', 'C', 'D', np.nan],
'wgt': [0.1, 0.2, 0.3, 0.25, 0.1, 0.05]
})
# 推荐写法：清晰、可读、高效
s = df['wgt'].mask(df['Type'].isna(), 0) # 将 Type 为 NaN 的位置 wgt 置为 0
df['new_wgt'] = s.div(s.sum()) # 归一化：每项 ÷ 总和
# 或一行式（适合嵌入pipeline）
df['new_wgt'] = df['wgt'].mask(df['Type'].isna(), 0).pipe(lambda x: x / x.sum())
执行后结果如下：
| Type | wgt | new_wgt |
|---|---|---|
| A | 0.10 | 0.133333 |
| NaN | 0.20 | 0.000000 |
| B | 0.30 | 0.400000 |
| C | 0.25 | 0.333333 |
| D | 0.10 | 0.133333 |
| NaN | 0.05 | 0.000000 |
✅ 关键优势说明：
- mask(..., 0) 直接完成条件置零，避免布尔索引+赋值两步操作；
- div(s.sum()) 自动广播除法，比手动计算缩放因子更安全（无需处理 sum()==0 的边界情况——此时会自然产生 inf 或 nan，便于后续校验）；
- .pipe(lambda x: x/x.sum()) 适合函数式链式调用，保持代码紧凑性。
⚠️ 注意事项：
- 若所有 Type 均为 NaN，则 s.sum() 为 0，会导致除零警告及全 inf/nan 结果，建议前置校验：if s.sum() == 0: ...；
- mask 默认保留原始 dtype，置零后仍为 float，无需额外类型转换；
- 此方法天然支持任意初始权重和（不限于 1.0），重加权后总和恒等于原总和（本例中为 1.0）。
该方案兼具可读性、性能与健壮性，是 Pandas 中处理条件重加权任务的标准实践。
