Python 基于数据库中的条件对数据列进行切片

我有一个df

    A    B
0   a    1.0
1   b,c  2.0
2
3   c,d  NaN

我正在尝试切片

df[“A”]当df[“B”]为NaN或空白“

时，我未能通过（，）切片。请帮助我实现它，我希望的输出是

外(外)

    A    B
0   a    1.0
1   b,c  2.0
2
3   c    NaN

---

我相信您需要使用

|

链接的条件，但对于检查多个空格，最好先将列转换为

字符串（因为可能存在混合类型-带字符串的数字），然后将一个或多个空格转换为空字符串：

df = df.loc[df['B'].isnull() | (df['B'].astype(str).str.strip() == ''),  'A']
print (df)
2       
3    c,d
Name: A, dtype: object

替代解决方案包括：

编辑：

使用
np.where

df['new'] = np.where((pd.isnull(df['B']))|(df['B']==''), df['A'].str.split(',').str[0], df['A'])

或
df.其中

df['A'].where((pd.notnull(df['B']))|(df['B']==''), df['A'].str.split(',').str[0])

A B新的
0 a 1 a
1 b，c 2 b，c
2.
3 c、d和c
预期输出是否正常？输入和输出之间的区别是什么？它们完全一样？抱歉@Bharath，我编辑了我的预期输出，请check@pyd我的解决方案有用吗？抱歉@jezrael，，我编辑了我的预期输出，请立即检查谢谢您的解决方案，但为什么您总是从np开始。where:PAll关于快速性，它比df快。where

so

df['new'] = np.where((pd.isnull(df['B']))|(df['B']==''), df['A'].str.split(',').str[0], df['A'])

df['A'].where((pd.notnull(df['B']))|(df['B']==''), df['A'].str.split(',').str[0])

A B new 0 a 1 a 1 b,c 2 b,c 2 3 c,d NaN c