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

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Series

df

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）。