Python 在数据框中创建新列时，将缺少的值留空

我有一个带有描述列的数据框，我正试图从该列中的文本中解析出度量值

df['measurements'] = [re.findall('\S+\scm', i) + re.findall('\S+cm', i) for i in df['description'] if i is not None]
#...

description列中的某些行是空的，因此上面的代码给了我一个ValueError，因为值的长度与索引的长度不匹配。如果行为空，如何附加一个像NaN这样的填充值，以便值的长度与索引的长度匹配，并且可以创建新的度量列

输出将类似于以下内容： 例如

我认为您需要的是能够完美处理

None

s的内容-它在输出中返回

NaN

：

df['measurements'] = df['description'].str.findall('\S+\scm') + 
                     df['description'].str.findall('\S+cm')

如果需要将

None

s替换为空列表，最简单的方法是使用：

样本：

df = pd.DataFrame({'description':['blabla 32cm x 24cm x 12cm blabla',np.nan,
                                  '18cm x 15cm x 10cm blablabla',np.nan]})
print (df)
                        description
0  blabla 32cm x 24cm x 12cm blabla
1                               NaN
2      18cm x 15cm x 10cm blablabla
3                               NaN

df['measurements'] = df['description'].str.findall('\S+\scm') + \
                     df['description'].str.findall('\S+cm')

print (df)
                        description        measurements
0  blabla 32cm x 24cm x 12cm blabla  [32cm, 24cm, 12cm]
1                               NaN                 NaN
2      18cm x 15cm x 10cm blablabla  [18cm, 15cm, 10cm]
3                               NaN                 NaN

---

---

你能添加一些样本数据和期望的输出吗？我用样本数据改变输出。谢谢！完全忘记了在运行搜索之前，您可以先填充na。我只是在使用dropna，但后来意识到删除的行可能仍然有用。是的，我认为更好的方法是使用

fillna

并获取

[]

，而不是

NaN

s，如果以后需要处理数据。因为如果列中有标量（

NaN

s）的列表，则某些函数可能会失败。

des = df['description'].fillna('')
df['measurements'] = des.str.findall('\S+\scm') + des.str.findall('\S+cm')

df = pd.DataFrame({'description':['blabla 32cm x 24cm x 12cm blabla',np.nan,
                                  '18cm x 15cm x 10cm blablabla',np.nan]})
print (df)
                        description
0  blabla 32cm x 24cm x 12cm blabla
1                               NaN
2      18cm x 15cm x 10cm blablabla
3                               NaN

df['measurements'] = df['description'].str.findall('\S+\scm') + \
                     df['description'].str.findall('\S+cm')

print (df)
                        description        measurements
0  blabla 32cm x 24cm x 12cm blabla  [32cm, 24cm, 12cm]
1                               NaN                 NaN
2      18cm x 15cm x 10cm blablabla  [18cm, 15cm, 10cm]
3                               NaN                 NaN

des = df['description'].fillna('')
df['measurements'] = des.str.findall('\S+\scm') + des.str.findall('\S+cm')
print (df)
                        description        measurements
0  blabla 32cm x 24cm x 12cm blabla  [32cm, 24cm, 12cm]
1                               NaN                  []
2      18cm x 15cm x 10cm blablabla  [18cm, 15cm, 10cm]
3                               NaN                  []