将 lambda 函数应用于具有 NaN 值的数据帧？答案

【问题标题】：Apply a lambda function to a dataframe with NaN values?将 lambda 函数应用于具有 NaN 值的数据帧？
【发布时间】：2020-09-05 15:47:35
【问题描述】：

我正在尝试执行在变量保持一致的行之间发生变化的计算。当一行有不完整的数据时，如何使用这个 lambda 函数？

跟进这个问题：Create a new column based on calculations that change between rows?

#example
import pandas as pd
import numpy as np

conversion = [["a",5],["b",1],["c",10]]
conversion_table = pd.DataFrame(conversion,columns=['Variable','Cost'])

data1 = [[1,"2*a+b"],[2,"c"],[3,"2*c"],[4, np.NaN]]
to_solve = pd.DataFrame(data1,columns=['Day','Q1'])

#Desired dataframe: 

desired = [[1,11],[2,10],[3,20]]
desired_table=pd.DataFrame(desired,columns=['Day','desired output'])

#Using lambda to map values does not work when NaN is present.

#Map values
mapping = dict(zip(conversion_table['Variable'], conversion_table['Cost']))

desired_table["solved"]=to_solve['Q1'].map(lambda x: eval(''.join([str(mapping[i]) if i.isalpha() else str(i) for i in x])))

当我的列不包含 NaN 值时，此代码有效，但当我的数据不完整时，我需要此代码。我收到以下错误：'float' 对象不可迭代。我只想将 NaN 值留在原处并填写其余部分。

【问题讨论】：

标签： python pandas dataframe dictionary lambda

【解决方案1】：

desired_table["solved"]=to_solve['Q1'].map(lambda x: ..., na_action='ignore')

应该做你想做的。

In [6]: to_solve['Q1'].map(lambda x: eval(''.join([str(mapping[i]) if i.isalpha() else str(i) for i in x])), na_action='ignore')                                                                            
Out[6]: 
0    11.0
1    10.0
2    20.0
3     NaN
Name: Q1, dtype: float64

【讨论】：

【解决方案2】：

您必须向.map 方法添加一个可选参数na_action='ignore'，该方法传播NaN 值，而不将它们传递给映射对应关系

用途：

def solve(x):
    expr = ''.join(str(mapping[k]) if k in mapping else str(k) for k in x)
    return pd.eval(expr)

desired_table["solved"]= to_solve['Q1'].map(solve, na_action='ignore')

这导致desired_table 为：

   Day  desired output  solved
0    1              11    11.0
1    2              10    10.0
2    3              20    20.0

【讨论】：

感谢您的解释和稍微重写。当我继续在许多列的其他函数中使用它时，帮助很大！

【解决方案3】：

您可以轻松过滤掉 NaN 值：

desired_table["solved"]=to_solve.loc[~to_solve['Q1'].isna(),'Q1'].map(
      lambda x: eval(''.join([str(mapping[i]) if i.isalpha() else str(i) for i in x])))

【讨论】：

【解决方案4】：

np.NaN 的类型为 float，因此当您尝试迭代它时（就像使用字符串时一样），您会得到 SyntaxError。为了避免这种情况，当您的数据中有 np.NaN 时，只需在 lambda 函数中定义一个默认值即可。

def mappingFunc(x):
    return eval(''.join([str(mapping[i]) if i.isalpha() else str(i) for i in x])) if x is not np.NaN else np.NaN

desired_table["solved"] = to_solve['Q1'].map(mappingFunc)

【讨论】：