熊猫应用于并映射到每一列的每个元素

Question

如果其值不为null，如何将自定义函数应用于每个列的每个元素？

可以说我有一个10列的数据框，如果pd.notnull（x），我想在其中应用一个lower（）函数到只有4列的每个元素上，否则就不保留任何值。

我试图这样使用

s.apply(lambda x: change_to_lowercase(x), axis = 1)

def change_to_lowercase(s):

    s['A'] =  s['A'].map(lambda x: x.lower() if pd.notnull(x) else x)
    s['B'] = s['B'].map(lambda x: x.lower() if pd.notnull(x) else x)
    s['C'] = s['C'].map(lambda x: x.lower() if pd.notnull(x) else x)
    s['D'] = s['D'].map(lambda x: x.lower() if pd.notnull(x) else x)
    return s

但是由于我的列是混合数据类型（浮点数为NaN，其余为unicode）。 这给我抛出了一个错误-

float has no attribute map.

如何摆脱这个错误？

Answer 1

我认为您需要DataFrame.applymap因为按DataFrame.applymap工作：

L = [[1.5, 'Test', np.nan, 2], ['Test', np.nan, 2,'TEST'], ['Test', np.nan,1.5,  2]]
df = pd.DataFrame(L, columns=list('abcd'))
print (df)

      a     b    c     d
0   1.5  Test  NaN     2
1  Test   NaN  2.0  TEST
2  Test   NaN  1.5     2

cols = ['a','b']
#for python 2 change str to basestring
df[cols] = df[cols].applymap(lambda x: x.lower() if isinstance(x, str) else x)
print (df)
      a     b    c     d
0   1.5  test  NaN     2
1  test   NaN  2.0  TEST
2  test   NaN  1.5     2

Answer 2

您尝试映射一个Series，然后在lambda中占据整行。

您还应该检查没有方法.lower（）的整数，浮点数等。 因此，我认为最好的方法是检查它是否是字符串，而不仅仅是检查它是否不是非空值。

这有效：

s = pd.DataFrame([{'A': 1.5, 'B':"Test", 'C': np.nan, 'D':2}])
s

        A   B   C   D
0   1.5 Test    NaN 2



s1 = s.apply(lambda x: x[0].lower() if isinstance(x[0], basestring) else x[0]).copy()

s1
    A     1.5
    B    test
    C     NaN
    D       2
    dtype: object

对于python 3，检查字符串isinstance(x[0], str)

为了能够选择列：

s1 = pd.DataFrame()
columns = ["A", "B"]
for column in columns:
    s1[column] = s[column].apply(lambda x: x.lower() if isinstance(x, str) else x).copy()
s1

    A   B
0   1.5 test