在 pandas 中使用 lambda 函数过滤掉空值

Question

我有一个数据框，其中有一排电话号码。我编写了以下函数来用空字符串填充任何 NaN，然后​​将“+”和“1”添加到任何需要它们的电话号码。

def fixCampaignerPhone(phone):
    if phone.isnull():
        phone = ''
    phone = str(phone)
    if len(phone) == 10:
        phone = ('1' + phone)
    if len(phone) > 1:
        phone = ('+' + phone)
    return phone

我尝试将此函数应用于数据框的列，如下所示： df['phone'] = df.apply(lambda row: fixCampaignerPhone(row['phone']), axis =1)

我的函数没有正确识别和替换 NaN 值。错误“'float' 类型的对象没有 len()”我在单独的行上使用 .fillna() 解决了它，但我想了解 为什么 这不起作用。如果我手动传递一个 NaN 值，该函数就可以工作，所以我认为这与 pandas 将参数作为浮点对象传递，而不仅仅是常规浮点数有关。

编辑：带有用于调试的示例数据的完整工作代码。

import pandas as pd
import numpy as np

def fixCampaignerPhone(phone):# adds + and 1 to front of phone numbers if necessary
    if phone.isnull():
        phone = ''
    phone = str(phone)
    if len(phone) == 10:
        phone = ('1' + phone)
    if len(phone) > 1:
        phone = ('+' + phone)
    return phone

d = {0: float("NaN"), 1:"2025676789"}
sampledata = pd.Series(data = d, index = [0 , 1])
sampledata.apply(lambda row: fixCampaignerPhone(row))

编辑 2： 将 phone.isnull() 更改为 pd.isna(phone) 适用于我的示例数据，但不适用于我的生产数据集，所以它一定只是我数据中某个地方的一个奇怪的怪癖。对于上下文，我的生产数据集中的电话号码必须是 NaN、以 1 开头的 11 位字符串或 10 位字符串。但是，当我在生产数据集上运行我的 lambda 函数时，我收到错误“'float' 类型的对象没有 len()”，所以不知何故，一些浮点数/NaN 正在滑过我的 if 语句

Answer 1

来自这个虚构的 DataFrame：

>>> import pandas as pd
>>> from io import StringIO

>>> df = pd.read_csv(StringIO("""
A,phone
L,3453454564
L,345345
R,345345
h,3
A,345345
L,345345
R,3453434543
R,345345
R,345345
R,345345
"""), sep=',')
>>> df
    A   phone
0   L   3453454564
1   L   345345
2   R   345345
3   h   3
4   A   345345
5   L   345345
6   R   3453434543
7   R   345345
8   R   345345
9   R   345345

我们可以使用numpy 中的select 来构建我们的if 段并获得预期的结果：

import numpy as np

df['phone'] = df['phone'].astype(str)

condlist = [df['phone'].str.len() == 10, 
            df['phone'].str.len() > 1]

choicelist = ['1' + df['phone'],
              '+' + df['phone']]            

df['phone'] = np.select(condlist, choicelist, default='')

输出：

    A   phone
0   L   13453454564
1   L   +345345
2   R   +345345
3   h   
4   A   +345345
5   L   +345345
6   R   13453434543
7   R   +345345
8   R   +345345
9   R   +345345

Answer 2

这是一段工作代码，你必须使用 pd.isnull(phone) 而不是 phone.isnull()：

import pandas as pd
import numpy as np

def fixCampaignerPhone(phone):# adds + and 1 to front of phone numbers if necessary
    if pd.isnull(phone):
        phone = ''
    phone = str(phone)
    if len(phone) == 10:
        phone = ('1' + phone)
    if len(phone) > 1:
        phone = ('+' + phone)
    return phone

d = {0: float("NaN"), 1:"2025676789"}
sampledata = pd.Series(data = d, index = [0 , 1])
r=sampledata.apply(lambda row: fixCampaignerPhone(row))

print(r)

结果是：

0                
1    +12025676789
dtype: object