Python 3.x 在应用程序中的逻辑之前检查null

我目前正在执行以下操作。在对数据帧中的列执行任何数学运算之前，我需要检查x是否为null。请让我知道如何实现这一目标

df['converted_value'] = df['main_value'].apply(lambda x: (float(x)/10000) * 350000)

---

您使用的函数

NaN

s非常好，速度更快，是矢量化的替代方案：

df['converted_value'] = (df['main_value'] /10000) * 350000)

---

一种可能的解决方案是仅过滤非缺失值并应用函数：

mask = df['main_value'].notna()
f = lambda x: function_not_working_with_nan(x)
df.loc[mask, 'converted_value'] = df.loc[mask, 'main_value'].apply(f)

---

您使用的函数

NaN

s非常好，速度更快，是矢量化的替代方案：

df['converted_value'] = (df['main_value'] /10000) * 350000)

---

一种可能的解决方案是仅过滤非缺失值并应用函数：

mask = df['main_value'].notna()
f = lambda x: function_not_working_with_nan(x)
df.loc[mask, 'converted_value'] = df.loc[mask, 'main_value'].apply(f)

当你说“null”时，我不确定你的意思是

None

还是

NaN

（如

np.NaN

，它是一个浮点数）

如果您的意思是“无”：

df['converted_value']=df['main_value']。应用（λx:（x/10000）*350000，如果x不是None，则为None）

如果您的意思是

NaN

（

np.NaN

），那么您已经为

NaN

输入返回了

NaN

，但是，正如注释中所建议的，您可以在这种情况下执行列操作。

当您说“null”时，我不确定您的意思是

None

还是

NaN

（如

np.nan

，它是一个浮点数）

如果您的意思是“无”：

df['converted_value']=df['main_value']。应用（λx:（x/10000）*350000，如果x不是None，则为None）

---

如果您的意思是

NaN

（

np.NaN

），那么您已经为

NaN

输入返回了

NaN

，但是，正如注释中所建议的，您可以在这种情况下执行列操作。

您可以添加一些数据样本吗？为什么不使用

df['converted\u value']=（df['main\u value']/10000）*350000）

？能否添加一些数据样本？还有，为什么不使用

df['converted_value']=（df['main_value']/10000）*350000）

？