Pandas 基于另一列/类型更新dataframe列错误：字符串索引必须为整数

如果一列的值为零，我将用另一列的值更新该列

dft = pd.DataFrame(
                        np.array([
                                    ['MAXESSUS', 0], ['BLOOMBERG', 'CORP'], ['BROKER_TEC', 'GOVT'], ['MAXESSUS', 0]
                                ]), columns=['market', 'rbc_security_type1']
                  )
dft

      market    rbc_security_type1
0   MAXESSUS    0
1   BLOOMBERG   CORP
2   BROKER_TEC  GOVT
3   MAXESSUS    0

这是我的职责

dft['rbc_security_type1'].apply(
                                    lambda col_value: col_value['rbc_security_type1'] if col_value['rbc_security_type1'] == 0 
                                                                                    else col_value['rbc_security_type1']
                               )

期望输出

我得到了这个错误： TypeError:字符串索引必须是整数

rbc_security_type1既有字符串又有整数，这是一个问题吗 是否需要更改列类型的转换

---

我认为需要按字符串

0

进行比较，因为numeric已转换为字符串，然后使用

loc

，或者：

---

---

详细信息：检查数字是否包含字符串：

print (dft['rbc_security_type1'].apply(type))
0    <class 'str'>
1    <class 'str'>
2    <class 'str'>
3    <class 'str'>
Name: rbc_security_type1, dtype: object

print（dft['rbc\u security\u type1']。应用（类型））
0
1.
2.
3.
名称：rbc\U安全\U类型1，数据类型：对象

#if mixed values - numeric with strings compare by numeric
#mask = dft['rbc_security_type1'] == 0
mask = dft['rbc_security_type1'] == '0'
dft.loc[mask, 'rbc_security_type1'] = dft['market']

dft['rbc_security_type1'] = np.where(mask, dft['market'], dft['rbc_security_type1'])

dft['rbc_security_type1'] = dft['rbc_security_type1'].mask(mask, dft['market'])

print (dft)
       market rbc_security_type1
0    MAXESSUS           MAXESSUS
1   BLOOMBERG               CORP
2  BROKER_TEC               GOVT
3    MAXESSUS           MAXESSUS

print (dft['rbc_security_type1'].apply(type))
0    <class 'str'>
1    <class 'str'>
2    <class 'str'>
3    <class 'str'>
Name: rbc_security_type1, dtype: object