Python Pandas.apply（）函数中的异常处理

如果我有一个数据帧：

myDF = DataFrame(data=[[11,11],[22,'2A'],[33,33]], columns = ['A','B'])

提供以下数据帧（从stackoverflow开始，没有足够的声誉来创建数据帧的映像）

如果要将列B转换为int值并删除无法转换的值，则必须执行以下操作：

def convertToInt(cell):
    try:
        return int(cell)
    except:
        return None
myDF['B'] = myDF['B'].apply(convertToInt)

如果我这样做：

myDF['B'].应用（整数）

错误显然是：

C:\WinPython-32bit-2.7.5.3\python-2.7.5\lib\site packages\pandas\lib.pyd 在pandas.lib.map_推断（pandas\lib.c:42840）（）

ValueError:基数为10的int（）的文本无效：“2A”

是否有方法将异常处理添加到myDF['B'].apply（）中

---

提前谢谢你

使用

lambda实现这一目标的方法：

myDF['B'].apply(lambda x: int(x) if str(x).isdigit() else None)

请输入：

>>> myDF
    A   B
0  11  11
1  22  2A
2  33  33

[3 rows x 2 columns]


做得更好/更快：

In [1]: myDF = DataFrame(data=[[11,11],[22,'2A'],[33,33]], columns = ['A','B'])

In [2]: myDF.convert_objects(convert_numeric=True)
Out[2]: 
    A   B
0  11  11
1  22 NaN
2  33  33

[3 rows x 2 columns]

In [3]: myDF.convert_objects(convert_numeric=True).dtypes
Out[3]: 
A      int64
B    float64
dtype: object

这是一种矢量化的方法。
强制
标志表示将无法转换为数字的任何内容标记为
nan

当然，如果您愿意，您可以对单个列执行此操作。
我也有同样的问题，但对于更一般的情况，很难判断函数是否会生成异常（即，您无法使用像
isdigit
这样简单的方法显式检查此条件）

经过一段时间的思考，我想出了一个解决方案，将
try/except
语法嵌入到一个单独的函数中。我张贴了一个玩具的例子，以防它帮助任何人

import pandas as pd
import numpy as np

x=pd.DataFrame(np.array([['a','a'], [1,2]]))

def augment(x):
    try:
        return int(x)+1
    except:
        return 'error:' + str(x)

x[0].apply(lambda x: augment(x))

谢谢你的安排@Amit@RukTech：只是想澄清一下，数据类型是float64 b/c。没有整数版本的NaNOr，请在else子句中使用
'None'
而不是
None
。@Paul:是float64，我的主要目的是将对象类型转换为数字类型。好主意如果我不知道错误是什么，我如何处理异常？请注意，
convert\u objects（）
已从Pandas 0.21.0中弃用。我认为这回答了问题，而接受的答案以不同的方式解决了问题。
In [1]: myDF = DataFrame(data=[[11,11],[22,'2A'],[33,33]], columns = ['A','B'])

In [2]: myDF.convert_objects(convert_numeric=True)
Out[2]: 
    A   B
0  11  11
1  22 NaN
2  33  33

[3 rows x 2 columns]

In [3]: myDF.convert_objects(convert_numeric=True).dtypes
Out[3]: 
A      int64
B    float64
dtype: object

import pandas as pd
import numpy as np

x=pd.DataFrame(np.array([['a','a'], [1,2]]))

def augment(x):
    try:
        return int(x)+1
    except:
        return 'error:' + str(x)

x[0].apply(lambda x: augment(x))