Python 通过拆分可选的前导非字符串字符来计算新列

我是Pandas的新手，正在尝试添加两个新列，其中的值是从现有的“Result”列计算出来的

现有列包括带有可选限定符（“”）的数字

“结果”中的一些样本编号可能是：

0.5
12.67
3
<1
4.5
>10.0

这将产生错误

AttributeError:“Series”对象没有属性“isdigit”

（在研究了这个错误之后，我尝试了其他一些产生错误的变体

ValueError:序列的真值不明确。请使用a.empty、a.bool（）、a.item（）、a.any（）或a.all（）

）

与以下各项一起使用：

备选方案包括：

---

您可以使用

df.apply

创建新列：

import pandas as pd
df = pd.DataFrame({'result': ['0.5', '12.67', '<1', '4.5', '>10.0']})
df['Result_Q'] = df['result'].apply(lambda x: x[0] if not x[0].isdigit() else None)
print(df)


  result Result_Q
0    0.5     None
1  12.67     None
2     <1        <
3    4.5     None
4  >10.0        >

将熊猫作为pd导入
df=pd.DataFrame（{'result'：['0.5'，'12.67'，'10.0']}）
df['Result_Q']=df['Result'].apply（lambda x:x[0]，如果不是x[0]。isdigit（）否则无）
打印（df）
结果
0.5无
1 12.67无
2     10.0        >

或尝试：

df['Result_Q'] = df['Result'].str.replace('\d+', '').str.strip('.').replace('', np.nan)
print(df)

输出：

  Result Result_Q
0    0.5      NaN
1  12.67      NaN
2      3      NaN
3     <1        <
4    4.5      NaN
5  >10.0        >

结果
0.5纳米
1 12.67南
2 3南
3     10.0        >

这似乎有效。我需要更多地了解它在做什么（作为一名熊猫新手）。它将lambda函数“应用”到“result”列中的每一行。lambda函数的作用与您在“if”中所做的完全相同。@L3n95-如果需要一般解决方案，我建议不要在这里使用

apply

，因为它在

result

列中的

NaN

s失败。如果100%确定从不包含缺少的值，则可以使用它。@jezrael是的，这是正确的，但这不是应用的直接问题，而是lambda中的

If

的问题。使用

np.where（）

的此方法对我有效。谢谢我以前也尝试过类似的方法，但我缺少的是使用

.str[0]。str

而不是

。str[0]

。我现在需要回到熊猫的文档中，更好地理解这一点。

df['Result_Q'] = df.Result.str[0].str.extract('(\D)').mask(lambda x: x.isna(), None)
print (df)
  Result Result_Q
0    0.5     None
1  12.67     None
2      3     None
3     <1        <
4    4.5     None
5  >10.0        >

import pandas as pd
df = pd.DataFrame({'result': ['0.5', '12.67', '<1', '4.5', '>10.0']})
df['Result_Q'] = df['result'].apply(lambda x: x[0] if not x[0].isdigit() else None)
print(df)


  result Result_Q
0    0.5     None
1  12.67     None
2     <1        <
3    4.5     None
4  >10.0        >

df['Result_Q'] = df['Result'].str.replace('\d+', '').str.strip('.').replace('', np.nan)
print(df)

  Result Result_Q
0    0.5      NaN
1  12.67      NaN
2      3      NaN
3     <1        <
4    4.5      NaN
5  >10.0        >