对 Pandas 数据框逐元素应用条件

Posted 2023-03-14

【中文标题】对 Pandas 数据框逐元素应用条件

【英文标题】：Apply with a condition on a Pandas dataframe elementwise

【发布时间】：2017-06-06 16:59:52

【问题描述】：

我正在学习 Python，并尝试了解 apply() 方法在 Pandas 数据帧中的工作原理。

作为一个练习，我想使用一行代码将 str.upper() 方法应用于 Pandas 数据框的元素，前提是这些元素是字符串。

我想将 lambda 条件表达式与 apply 结合使用，但问题是当 apply 调用 Pandas 数据框时，数据框——如果我理解得很好——返回一个系列来应用，然后将其传递给函数。我想知道如何才能更深入地了解并调用 Pandas 数据框元素上的函数。

当 apply() 调用 DataFrame 的一列（一个系列）时，这就是我想要做的事情：

df= pd.DataFrame([[1, 'a'],['b',2]], columns = ['A', 'B'] )
df['A'].apply(lambda x: str.upper(x) if type(x) is str else x)

但是我怎么能用一行代码在整个数据帧上做到这一点呢？

我正在寻找一种解决方案，该解决方案适用于同时包含数字和字符串的列，并且可以保持数字不变。

【问题讨论】：

你可以使用df.applymap()，但它非常慢 - 所以要小心

在学习时要注意的另一件事：如果您正在检查某个内容是否为字符串并将其转换为大写：lambda x: x.upper() if isinstance(x, basestring) else x

@MaxU ：您想发布一个答案，展示如何使用 applymap() 来解决示例数据框的特定问题吗？

@gk7，piRSquared 有一个很好的例子 ;-)

【参考方案1】：

你的单线

df.applymap(lambda x: x.upper() if isinstance(x, str) else x)

   A  B
0  1  A
1  B  2

【讨论】：

如果这是在 Python 3 之前，OP 应该在 isinstance() 中使用 basestring 而不是 str

@Vincenzzzochi, basestring 在 Python 3 中不起作用，因此需要使用 six: import six; df.applymap(lambda x: x.upper() if isinstance(x, six.string_types) else x) - 这应该适用于 Python 2.x 和 Python 3.x