python - 使用 Pandas apply 过滤掉空 DataFrame 单元格的最佳方法

Question

我正在使用 apply 方法将数据从 Pandas DataFrame 发送到函数。如果单元格为空，则对象类型为“NoneType”或“float”，这与我的函数执行的字符串比较不兼容。我使用以下方法过滤掉这些数据:

if isinstance(col1,str): #to make sure the data is a string.

我的问题是是否有更好的方法来做到这一点，因为这违背了鸭子类型的概念？

对于上下文，这是我的代码:

def check_cols(col1,col2):
    if isinstance(col1,str):
        var = col1
    else:
        var = col2
    #the logical part of the function is here

#passing in data from two columns
dfcat['col3'] = dfcat.apply(lambda x: check_cols(x['col1'],x['col2']),axis=1)

Answer 1

我认为你可以使用combine_first如果需要替换 None 和 NaN:

dfcat['col3'] = dfcat['col1'].combine_first(dfcat['col2'])

但是如果需要替换非字符串，请使用 mask使用 bool 掩码:

mask = dfcat['col1'].apply(lambda x: isinstance(x,str))
dfcat['col3'] = dfcat['col2'].mask(mask, dfcat['col1'])

示例:

dfcat = pd.DataFrame({'col1':[np.nan, 'aa', None, 10, 12.7], 'col2':['e','r','t','k', 'g']})
print (dfcat)
   col1 col2
0   NaN    e
1    aa    r
2  None    t
3    10    k
4  12.7    g

mask = dfcat['col1'].apply(lambda x: isinstance(x,str))
dfcat['col3'] = dfcat['col2'].mask(mask, dfcat['col1'])
print (dfcat)
   col1 col2 col3
0   NaN    e    e
1    aa    r   aa
2  None    t    t
3    10    k    k
4  12.7    g    g