Python 在数据帧上应用函数赢得'；t工作，函数中的AttributeError错误

我正在尝试应用一个函数，该函数将返回“已清理”的电子邮件值。然而，我很难将我的函数应用到我尊敬的专栏上

请推荐最好的方法

样本数据：

sample_data= {'email': ['Sam@mail.com','Sam@mail.com',
                        'Doug@mail.com', 'Doug@mail.com',
                       np.NAN, np.NAN],
              'price': [25.95, 31.25, 34.95, 19.95, 59.95, 15.75]}

sample_df = pd.DataFrame(sample_data)

# print(sample_df)
    email   price
0   Sam@mail.com    25.95
1   Sam@mail.com    31.25
2   Doug@mail.com   34.95
3   Doug@mail.com   19.95
4   NaN     59.95
5   NaN     15.75

def clean_emails(s):
    emails = {x: str(x).lower() for x in s.unique()}
    return s.map(emails)

# Passing the column directly into the function works
sample_df.email = clean_emails(sample_df.email)

# So does passing the entire df into an apply statement
sample_df = sample_df.apply(clean_emails)

print(sample_df)

    email   price
0   sam@mail.com    25.95
1   sam@mail.com    31.25
2   doug@mail.com   34.95
3   doug@mail.com   19.95
4   nan     59.95
5   nan     15.75

应用功能：

sample_data= {'email': ['Sam@mail.com','Sam@mail.com',
                        'Doug@mail.com', 'Doug@mail.com',
                       np.NAN, np.NAN],
              'price': [25.95, 31.25, 34.95, 19.95, 59.95, 15.75]}

sample_df = pd.DataFrame(sample_data)

# print(sample_df)
    email   price
0   Sam@mail.com    25.95
1   Sam@mail.com    31.25
2   Doug@mail.com   34.95
3   Doug@mail.com   19.95
4   NaN     59.95
5   NaN     15.75

def clean_emails(s):
    emails = {x: str(x).lower() for x in s.unique()}
    return s.map(emails)

# Passing the column directly into the function works
sample_df.email = clean_emails(sample_df.email)

# So does passing the entire df into an apply statement
sample_df = sample_df.apply(clean_emails)

print(sample_df)

    email   price
0   sam@mail.com    25.95
1   sam@mail.com    31.25
2   doug@mail.com   34.95
3   doug@mail.com   19.95
4   nan     59.95
5   nan     15.75

如图所示，将列直接传递到函数中是可行的。应用整个df也是如此。我关心的是更大的数据集，将单个列传递给函数

---

总而言之，将df的单个列传递给函数是解决此问题的最佳方法吗？或者可以使用

apply

吗？

您使用的函数是

unique（）

，它不是数据帧的属性。似乎您打算将其应用于系列，而不是数据帧

有几件事要记住

您的函数将

str

应用于

NaN

值，并将它们转换为字符串，然后这些字符串将不会被

pd.isnull

识别。我想你不想那样

我忘了：）

将numpy导入为np
作为pd进口熊猫
sample_data=pd.DataFrame（{'email'：['Sam@mail.com','Sam@mail.com', 'Doug@mail.com', 'Doug@mail.com“，np.NAN，np.NAN]，
‘价格’：[25.95,31.25,34.95,19.95,59.95,15.75]}）
sample\u data.email=sample\u data.email.str.lower（）

你也可以这样做

email_dict = {el: el.lower() for el in sample_data.email.unique() if pd.notnull(el)}
sample_data.email = sample_data.email.replace(email_dict)

---

对于完整的数据帧，您应该在更大的

df

中使用

applymap

，这会变得非常慢。@YaakovBressler为什么？是因为它创建了一个新的系列对象吗？每一行都转换成一个字符串。通过dict映射，重复的速度加快了。@YaakovBressler对。我假设数据不是很大，我希望显示Pandas有内置属性来访问（非null）元素的字符串表示。我认为

replace

属性更快，我认为这就是OP想要使用的。我编辑了我的答案