Python 为什么pandas.apply()在null元素上执行?
据推测,pandas.apply()函数不适用于null元素。但是,在以下代码中不会出现这种情况。为什么会这样Python 为什么pandas.apply()在null元素上执行?,python,pandas,Python,Pandas,据推测,pandas.apply()函数不适用于null元素。但是,在以下代码中不会出现这种情况。为什么会这样 import pandas as pd df = pd.Series([[1,2],[2,3,4,5],None]) df 0 [1, 2] 1 [2, 3, 4, 5] 2 None dtype: object df.apply(lambda x: len(x)) Traceback (most recent call last):
import pandas as pd
df = pd.Series([[1,2],[2,3,4,5],None])
df
0 [1, 2]
1 [2, 3, 4, 5]
2 None
dtype: object
df.apply(lambda x: len(x))
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "C:\Users\Alexander\Anaconda3\lib\site-packages\pandas\core\series.py", l
ine 2169, in apply
mapped = lib.map_infer(values, f, convert=convert_dtype)
File "pandas\src\inference.pyx", line 1059, in pandas.lib.map_infer (pandas\li
b.c:62578)
File "<stdin>", line 1, in <lambda>
TypeError: object of type 'NoneType' has no len()
将熊猫作为pd导入
df=pd.系列([[1,2],[2,3,4,5],无])
df
0 [1, 2]
1 [2, 3, 4, 5]
2无
数据类型:对象
df.应用(λx:len(x))
回溯(最近一次呼叫最后一次):
文件“”,第1行,在
文件“C:\Users\Alexander\Anaconda3\lib\site packages\pandas\core\series.py”,l
ine 2169,适用于
mapped=lib.map\u推断(值,f,convert=convert\u数据类型)
pandas.lib.map\u expert(pandas\li)中的文件“pandas\src\expression.pyx”,第1059行
b、 c:62578)
文件“”,第1行,在
TypeError:类型为“NoneType”的对象没有len()
None和nan在语义上是等价的。用numpy.nan替换None没有意义<代码>应用仍将函数应用于NaN元素
df[2] = numpy.nan
df.apply(lambda x: print(x))
Output: [1, 2]
[2, 3, 4, 5]
nan
您必须检查要应用或使用的函数中是否缺少值。dropna并将函数应用于结果:
df.dropna().apply(lambda x: print(x))
或者,使用pandas.notnull()
返回一系列布尔值:
df[df.notnull()].apply(lambda x: print(x))
请同时阅读:
具体而言,这:
警告:
必须注意的是,在python(和numpy)中,nan的不存在
比较平等,但没有人能做到。请注意,Pandas/numpy使用了这个事实
那个np.nan!=np.nan,并且对待任何人都不像np.nan
更重要的是,作为科利恩回答的后续行动。如果要将输出重新分配给新列,请务必注意索引将不再匹配。为此:
df.loc[df.notnull(),'new_col']=df[df.notnull()].apply(lambda x:print(x))
你说“假定不适用于null元素”是什么意思?可能有帮助:df.apply(lambda x:len(x),如果x不是None,则为None)
@BrenBarn,文档中说它不作用于空元素。@AlexanderWhattley:你能更具体地说明它在哪里说的吗?如果文件有误导性,可能需要澄清。(注:调用Seriesdf
有点让人困惑,因为这是数据帧的标准短名称。)所以我很好奇,为什么下面的代码可以工作:>>>导入pandas作为pd>>>a=pd.Series([1,2,3,4,None])>>a.apply(lambda x:x+1)0 2 1 3 4 NaN数据类型:float64为什么不呢?根据numpy,None+1=NaN,因为None被视为NaN(如上警告所述)。