如果自定义函数的值不为null,如何将自定义函数应用于每列的每个元素?
让我说我有一个10列的数据框,如果是pd.notnull(x),我想对只有4列的每个元素应用lower()函数,否则只保留none作为值。
我试着这样使用,
s.apply(lambda x: change_to_lowercase(x), axis = 1)
def change_to_lowercase(s):
s['A'] = s['A'].map(lambda x: x.lower() if pd.notnull(x) else x)
s['B'] = s['B'].map(lambda x: x.lower() if pd.notnull(x) else x)
s['C'] = s['C'].map(lambda x: x.lower() if pd.notnull(x) else x)
s['D'] = s['D'].map(lambda x: x.lower() if pd.notnull(x) else x)
return s
但是因为我的列是混合数据类型(NaN为float,其余为unicode)。这给我一个错误 -
float has no attribute map.
如何摆脱这个错误?
答案 0 :(得分:2)
我认为你需要DataFrame.applymap
因为元素化工作:
L = [[1.5, 'Test', np.nan, 2], ['Test', np.nan, 2,'TEST'], ['Test', np.nan,1.5, 2]]
df = pd.DataFrame(L, columns=list('abcd'))
print (df)
a b c d
0 1.5 Test NaN 2
1 Test NaN 2.0 TEST
2 Test NaN 1.5 2
cols = ['a','b']
#for python 2 change str to basestring
df[cols] = df[cols].applymap(lambda x: x.lower() if isinstance(x, str) else x)
print (df)
a b c d
0 1.5 test NaN 2
1 test NaN 2.0 TEST
2 test NaN 1.5 2
答案 1 :(得分:0)
您正在尝试映射一个系列,然后在lambda中占据整个行。
您还应该检查没有方法.lower()的整数,浮点数等。因此,在我看来,最好的方法是检查它是否是一个字符串,而不仅仅是它不是一个无效的字符串。
这有效:
s = pd.DataFrame([{'A': 1.5, 'B':"Test", 'C': np.nan, 'D':2}])
s
A B C D
0 1.5 Test NaN 2
s1 = s.apply(lambda x: x[0].lower() if isinstance(x[0], basestring) else x[0]).copy()
s1
A 1.5
B test
C NaN
D 2
dtype: object
对于python 3来检查字符串isinstance(x[0], str)
能够选择列:
s1 = pd.DataFrame()
columns = ["A", "B"]
for column in columns:
s1[column] = s[column].apply(lambda x: x.lower() if isinstance(x, str) else x).copy()
s1
A B
0 1.5 test