Question

只有在数据框的特定列中不为null时，最好的处理方式是什么？

我的原始代码：

for i in columns_to_process:
    df[i] = df[i].astype(str) + '!'

#columns_to_process is a list of selected df column name strings

我意识到这会将空值转换为nan!，但我只想保持它们为空。

我已经研究过使用.apply()和一个lambda函数，但是根据Pandas: How can I use the apply() function for a single column?，显然当处理单个列时，这是不好的做法。似乎.apply()更适合更新数据框中的每一列。

然后我遇到了这个问题：replace non Null values in column by 1，并设法提出了可行的解决方案：

for i in columns_to_process:
    df.loc[df[i].notnull(), i] = df.loc[df[i].notnull(), i].astype(str) + '!'

我花了很长时间才弄清楚这一点，而且看起来还不太优雅，所以我想知道是否有更好/更蟒蛇的方法来做到这一点？

Answer 1

IIUC，尝试pandas.DataFrame.where：

# Sample df
df = pd.DataFrame({'foo': ['one', 'one', 'one', 'two', 'two',
                            'two'],
                   'bar': ['A', 'B', np.nan, 'A', 'B', 'C'],
                   'baz': [1, 2, np.nan, 4, 5, 6],
                   'zoo': ['x', 'y', 'z', 'q', 'w', 't']})

columns_to_process = ['bar', 'baz']
df[columns_to_process] = df[columns_to_process].where(df[columns_to_process].isna(), lambda x: x.astype(str)+'!')
df

输出：

   bar    baz  foo zoo
0  A!!  1.0!!  one   x
1  B!!  2.0!!  one   y
2  NaN    NaN  one   z
3  A!!  4.0!!  two   q
4  B!!  5.0!!  two   w
5  C!!  6.0!!  two   t

Answer 2

将DataFrame.where与DataFrame.add一起使用

df.astype(str).add('!').where(df.notnull())
#to fill NaN with the previous null values
#df.astype(str).add('!').where(df.notnull(),df)

如果值不为null的Python处理最佳Pandas DataDrame列的最佳方法

2 个答案: