Python 如果第一个函数失败，则应用第二个函数

我对熊猫和努比还不熟悉。我有一个dataframe，我想通过对列的每一行应用一个函数来创建一个新列。让我们举一个简化的例子：

import pandas as pd
import numpy as np

df = pd.DataFrame(columns=["names"], data=["Brussels", 2, "New York"])

def to_lower(value):
    try:
        return value.lower()
    except AttributeError:
        return None

def to_string(value):
    return str(value)

df['lower_names'] = np.vectorize(to_lower)(df['names'])

这个操作非常有效。现在我想将

应用于_string（）

然后将

应用于_lower（）

仅适用于结果为无的“lower\u names”行（我不知道这是否非常清楚）

这似乎很基本，但我有麻烦。我可以详细说明我的尝试，但我害怕表现得像个白痴。。。也许我应该在玩这两个模块之前花一两周的时间来学习这两个模块，但在此期间，欢迎提出任何建议

---

编辑：@jezrael解决方案是正确的。。。举个简单的例子。现在，让我们想象一下，我想应用

np.vectorize（to_string）

函数，然后

np.vectorize（to_lower）

只对第一个结果为None的列“names”的行应用，最好的方法是什么？

我认为需要将

return None

更改为

return to_string（value）

：

---

谢谢你，耶斯雷尔，这是我努力的一部分。它在我的简化示例中效果很好，但在我的实际数据中效果不佳，我不知道为什么。。。同时，将问题简化为发布，这样可以帮助我澄清自己的反应。@EttoreRizza-我相信是这样。试着进行一些调试，或者试着解释更多的问题是什么。你是对的，当然，我把问题简化得太多，问错了问题。我会编辑它，如果没有其他人能更准确地回答我错误定义的问题，我会接受你的答案。嗯，

然后只在None上进行np.矢量化（降低到\u），你确定吗？需要将
None
替换为
string
None
？是的，好的示例很难，我理解。也许最好的方法是改变样品和期望的输出，你认为呢？
def to_lower(value):
    try:
        return value.lower()
    except AttributeError:
        return to_string(value)

def to_string(value):
    return str(value)

df['lower_names'] = np.vectorize(to_lower)(df['names'])


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

df['lower_names'] = df['names'].astype(str).str.lower()