Question

如果整个列只是长度为0或NaN的字符串，我想检查数据框的列并更新值。

我知道如何访问每一行和每一列以及如何逐项遍历它们，但是我想执行的任何事情都应该被矢量化（或者至少是Pythonic）

import pandas as pd
import numpy as np

# Create a dataframe for example purposes, filled with data to be left alone
np.random.seed(0)
df = pd.DataFrame(np.random.randn(10, 2), columns=['a', 'b'], index=np.random.randint(1,100,10)).sort_index()

# Create an example column that I would modify when encountered in the wild
df['c'] = ''
df['d'] = ''

df.iloc[np.random.randint(low=0,high=(len(df)-1)), df.columns.get_loc('c')] = 'Avoid me'
'''
THIS IS WHERE THE FUN BEGINS :
'''
# If I were to use label-based referencing :

for index, row in df.iterrows():
    if len(row['c']) == 0:
        df.at[index,'c'] = 'Update Me'
        # df.loc[index]['c'] = 'Update Me'

# or if I were to use position-based referencing :

for i in range(len(df)):
    if len(df.loc[i,'c']) == 0:
        df.loc[i,'c'] = 'Update Me'

这是我看来可以最接近我的目标的方法，但是我想确认一下这是一次检查/更新整个系列赛的最佳方法。

if (len(df['c'].unique()) == 1) and (df.['c'].unique()[0]==''):
    df['c'] = 'Update Me'

这将填充指定列中的值，但是我希望避免在一个列中使用除空字符串之外的任何值（即，仅更改仅填充空白字符串的列）。感谢Erfan的输入。

df['c'] = np.where(df['c'].str.len().eq(0), 'Update Me', df['c'])

Answer 1

如果您只想检查空字符串，我认为这种单行代码可以满足您的需求：

df.loc[:, (df == '').all()] = 'Update me'

如果您需要NaN，只需检查它们是否已填充：

df.loc[:, (df.fillna('') == '').all()] = 'Update me'

Answer 2

如果要将任何空字符串设置为'Update me'，则可以执行以下操作：

idx_empty_strings = df['SECTION'].str.len() == 0
df.loc[idx_empty_strings, 'SECTION'] = 'Update me'

如果您只想在整列为空字符串或 np.NaN时执行此操作，则：

col = 'SECTION'
idx_empty_strings = df[col].str.len() == 0
idx_nan = df[col].isna()
if all(idx_empty_string | idx_nan):
    df[col] = 'Update me'

是否有矢量化的方法来检查DataFrame中的值（例如，是否所有内容都是长度为0的字符串）

2 个答案: