Pandas 应用并映射到每一列的每个元素

Question

如果值不为空，如何将自定义函数应用于每列的每个元素？

假设我有一个 10 列的数据框，如果 pd.notnull(x)，我想将 lower() 函数应用于仅 4 列的每个元素，否则只保留 none 作为值。

我试过这样使用，

s.apply(lambda x: change_to_lowercase(x), axis = 1)

def change_to_lowercase(s):

    s['A'] =  s['A'].map(lambda x: x.lower() if pd.notnull(x) else x)
    s['B'] = s['B'].map(lambda x: x.lower() if pd.notnull(x) else x)
    s['C'] = s['C'].map(lambda x: x.lower() if pd.notnull(x) else x)
    s['D'] = s['D'].map(lambda x: x.lower() if pd.notnull(x) else x)
    return s

但是因为我的列是混合数据类型（NaN 为 float，rest 为 unicode）。这给我一个错误 -

float has no attribute map.

如何摆脱这个错误？

Answer 1

您正在尝试映射系列，然后在 lambda 中获取整行。

您还应该检查没有 .lower() 方法的整数、浮点数等。所以最好是检查它是否是一个字符串，而不仅仅是检查它是否不是 notnull，在我看来。

这个有效：

s = pd.DataFrame([{'A': 1.5, 'B':"Test", 'C': np.nan, 'D':2}])
s

        A   B   C   D
0   1.5 Test    NaN 2



s1 = s.apply(lambda x: x[0].lower() if isinstance(x[0], basestring) else x[0]).copy()

s1
    A     1.5
    B    test
    C     NaN
    D       2
    dtype: object

For python 3 检查字符串是否为 isinstance(x[0], str)

能够select列：

s1 = pd.DataFrame()
columns = ["A", "B"]
for column in columns:
    s1[column] = s[column].apply(lambda x: x.lower() if isinstance(x, str) else x).copy()
s1

    A   B
0   1.5 test

Answer 2

我认为你需要 DataFrame.applymap 因为按元素工作：

L = [[1.5, 'Test', np.nan, 2], ['Test', np.nan, 2,'TEST'], ['Test', np.nan,1.5,  2]]
df = pd.DataFrame(L, columns=list('abcd'))
print (df)

      a     b    c     d
0   1.5  Test  NaN     2
1  Test   NaN  2.0  TEST
2  Test   NaN  1.5     2

cols = ['a','b']
#for python 2 change str to basestring
df[cols] = df[cols].applymap(lambda x: x.lower() if isinstance(x, str) else x)
print (df)
      a     b    c     d
0   1.5  test  NaN     2
1  test   NaN  2.0  TEST
2  test   NaN  1.5     2

Pandas 应用并映射到每一列的每个元素

Pandas apply & map to every element of every column

python

python-2.7

pandas

pandas-apply