在包含缺失值的 Pandas 数据框列上使用 apply 和 lambda 函数

这是这个问题的后续：如何根据 pandas 数据框中其他列中的子字符串创建新列？ https://stackoverflow.com/questions/70086559/how-to-create-new-column-based-on-substrings-in-other-column-in-a-pandas-datafra

数据框具有以下结构

df = pd.DataFrame({
    'Other input': ['Text A', 'Text B', 'Text C', 'Text D', 'Text E'],
    'Substance': ['(NPK) 20/10/6', NaN, '46%N / O%P2O5 (Urea)', '46%N / O%P2O5 (Urea)', '(NPK) DAP Diammonphosphat; 18/46/0'],
    'value': [0.2, NaN, 0.6, 0.8, .9]
})

    Other Input  substance               value
0   Text A       (NPK) 20/10/6           0.2
1   Text B       NaN                     NaN
2   Text C       46%N / O%P2O5 (Urea)    0.6
3   Text D       46%N / O%P2O5 (Urea)    0.8
4   Text E       (NPK) DAP Diammonphosphat; 18/46/0          0.9

它是通过将两个 df 与左连接合并而创建的，事实证明我有行没有物质 and value。我需要用短名称替换该物质，并且在数据集中缺少值之前，以下代码有效：

test['Short Name'] = test['Substance'].apply(lambda x: 'Urea' if 'Urea' in x else 'DAP' if 'DAP' in x else '(NPK)')

我怎样才能用NaN（或者0，如果更容易的话）来完成这个工作？有没有相当于na_action=None这显然适用于 applymap 吗？

如果你想跳过包含 NaN 的行，只需添加一个调用dropna()在你之前apply()。这将创建数据帧的新临时副本，并删除任何列中包含 NaN 的所有行。

test['Short Name'] = test.dropna()['Substance'].apply(lambda x: 'Urea' if 'Urea' in x else 'DAP' if 'DAP' in x else '(NPK)')

Output:

>>> test
  Other input                           Substance  value     Te
0      Text A                       (NPK) 20/10/6    0.2  (NPK)
1      Text B                                 NaN    NaN    NaN
2      Text C                46%N / O%P2O5 (Urea)    0.6   Urea
3      Text D                46%N / O%P2O5 (Urea)    0.8   Urea
4      Text E  (NPK) DAP Diammonphosphat; 18/46/0    0.9    DAP

这会起作用，因为分配Series反对DataFrame对象使用它们的索引，如果您检查apply()添加后调用dropna():

>>> test.dropna()['Substance'].apply(lambda x: 'Urea' if 'Urea' in x else 'DAP' if 'DAP' in x else '(NPK)')
0    (NPK)
2     Urea
3     Urea
4      DAP
Name: Substance, dtype: object

请注意它是如何从 0 跳到 2 的。这是因为索引 1 处的行已被删除，但索引未更新（在本例中是我们想要的）。