熊猫应用功能擦除数据

Question

In  [1]: df = pd.DataFrame([[pubA, linkA,None], [pubB, linkB,textB], [pubC, linkC,textC]], columns=['pub', 'link','text])

In  [2]: df
Out [2]: 
    pub   link   text
 0  pubA  linkA  None
 1  pubB  linkB  textB
 2  pubC  linkC  textC

我有用于从网络提取文本的代码。 我的函数遍历df并检查'text'的内容以确保其为空。 如果'text'已经有内容，它将pass 。 如果'text'为空，则检查'pub'以查看我是否有适合该出版物的BeautifulSoup模板，如果是，则返回纯文本。 如果还没有模板，该函数将pass 。

def pull_text(row):
    try:
        if(pd.isnull(row['text'])):
            if row['publication' ] == 'PubA':
                print('Now serving row',row.name,'of',len(df),'Template:',row['publication'])
                sys.stdout.flush()

                #Do Template A
                time.sleep(rand)
                return article.strip()

            elif row['publication' ] == 'PubB':
                #Do Template B
                time.sleep(rand)
                return article.strip()

            elif row['publication' ] == 'PubC':
                # Do Template C
                rand = randint(2,10)
                print('Waiting', rand, 'seconds')
                sys.stdout.flush()

                time.sleep(rand)
                return result.strip()
            else:
                pass
                print('No template set for', row['publication'],':row', row.name)
        else:
            pass
    except AttributeError:
        print('error at',row.name)
        sys.stdout.flush()
        return 'error'

df['text'] = df.apply (lambda row: pull_text (row),axis=1)

每个模板工作正常，并已从每个出版物中提取文本。 但是，每当我运行该函数时（例如在添加新模板之后），似乎都将擦除所有先前存在的文本数据并填充先前存在的空白（在可能的地方）。

In  [3] df['text'] = df.apply (lambda row: pull_text (row),axis=1)
In  [4] df
Out [4] pub   link   text
     0  pubA  linkA  textA
     1  pubB  linkB  None
     2  pubC  linkC  None

我所希望的是

Out [4] pub   link   text
     0  pubA  linkA  textA
     1  pubB  linkB  textB
     2  pubC  linkC  textC

我能想到的是，如果还没有将'text'的值设置为null值，那么我会以某种方式将其设置为空值，但是我不确定该如何做。

Answer 1

发生的事情是pass使您的函数返回None 。