Python 如果条件为“无”，如何处理丢失的数据？

如果缺少

age

的值，我想创建一个值为

1

的变量。相反，在

Value

列的输出中，所有内容都是

None

raw_data1 = {'id': [1,2,3,5],
    'age': [0, np.nan, 10, 2]}
df1 = pd.DataFrame(raw_data1, columns = ['id','age'])


def my_test(b):
    if b is None:
        return 1


df1['Value'] = df1.apply(lambda row: my_test(row['age']), axis=1)  

---

如何实施？我知道有几种方法，但我想重点介绍函数的使用（

defmy_test

等）

如果我理解正确，您可以使用：

df1['value'] = np.where(df1['age'].isnull(), 1, '')

输出：

   id   age value
0   1   0.0      
1   2   NaN     1
2   3  10.0      
3   5   2.0      

---

您可以为此使用

map

df1['Value'] = df1['age'].map(lambda x : 1 if np.isnan(x) else np.nan)

如果你想使用你的函数，你可以像这样使用

map

def my_test(b):
    if np.isnan(b):
        return 1
    else:
        return np.nan

df1['Value'] = df1['age'].map(lambda x : my_test(x))

您可以使用

row.get（'age'）

而不是

row['age']

如果

age

不在dict中，则

get（）

返回null

>>> df1.value = df1.age.isna().astype(int)
>>> df1
    id   age  value
 0   1   0.0      0
 1   2   NaN      1
 2   3  10.0      0
 3   5   2.0      0

---

如果

b

不是

None

，则

my\u test

方法将返回

None

。在

if

后面添加

返回b

应该可以解决这个问题。你的意思是这样吗？如果返回b为无：（这不起作用，谢谢）