Question

我遇到了一个奇怪的问题。我确信这背后有合理的理由。

我有一个名为alloptions的数据框，它有4列，minage1，minage2，minage3和minage4，它们都是float64。缺失值的数量从minage1增加到minage4。

我创建了第五列，它采用这四列中的最小列：

alloptions['minage']=alloptions.apply(lambda x: min([x['minage1'],x['minage2'],x['minage3'],x['minage4']]),axis=1)

看起来它起作用，直到我发现第47行

     minage1    minage2 minage3 minage4 minage      
47     NaN      56.0    NaN      NaN     NaN

使用.loc，我隔离了那行：

In [10]:

 print alloptions.loc[47,:]
 print alloptions.loc[47,:].dtypes

我得到了

minage1   NaN
minage2    56
minage3   NaN
minage4   NaN
minage    NaN
Name: 47, dtype: float64
float64

所以我很困惑为什么这个功能没有拿到56.

提前感谢您的帮助。

Answer 1

您正在使用内置的Python min函数，该函数不了解nan并且不一致地处理它：

>>> min(1, np.nan)
1
>>> min(np.nan, 1)
nan

相反，请使用min中的pandas方法，该方法在计算min时知道忽略nan值。此方法采用axis参数，因此，如果您的四个minageX列是DataFrame中的唯一列，则可以执行

df['minage'] = df.min(axis=1)

通常在使用pandas数据结构时，应避免使用内置的Python函数，如max，min，sum等，而是使用pandas版本;内置函数对pandas或向量化操作一无所知，可能会产生意想不到的结果。