python - 使用 df.apply 和 str.contains ('value' , case =False)

Question

数据:

A     |    B   |    C    
========================
Value | Fred   |    0
foo   | Jim    |    1
Value | Bob    |    2

我写了一个方法:

def is_value(df):
    if df['A'].str.contains('value', case=False):
        b='X'
        return b

我称之为:

df['B'] = df.apply(is_value, axis=1)

并得到以下错误:

AttributeError: ("'str' object has no attribute 'str'", 'occurred at index 0')

申请中允许这样做吗？

它适用于这个成语:

df = df.loc[df['A'].str.contains('Value', case=False) & df['C'] !=0]
df['A'] = 'X'

有没有更好的办法？

Answer 1

我觉得最好不要用apply如果没有必要，因为显然它更慢。

我想你可以使用 mask :

print df['A'].str.contains('value', case=False)
0     True
1    False
2     True
Name: A, dtype: bool

df['B'] = df.mask(df['A'].str.contains('value', case=False), 'X')
print df
       A    B  C
0  Value    X  0
1    foo  Jim  1
2  Value    X  2

另一种解决方案 loc :

df.loc[ df['A'].str.contains('value', case=False), 'B'] = 'X'
print df
       A    B  C
0  Value    X  0
1    foo  Jim  1
2  Value    X  2

编辑:

看来您需要在 C 列中添加不等于 0 的过滤值:

print (df['A'].str.contains('value', case=False)) & (df['C'] !=0)
0    False
1    False
2     True
dtype: bool

df['B'] = df.mask((df['A'].str.contains('value', case=False)) & (df['C'] !=0), 'X')
print df
       A      B  C
0  Value  Value  0
1    foo    foo  1
2  Value      X  2


df.loc[(df['A'].str.contains('value', case=False)) & (df['C'] !=0) , 'B'] = 'X'
print df
       A      B  C
0  Value  Value  0
1    foo    foo  1
2  Value      X  2