pandas，对列应用字符串操作应该是字符串类型，但有缺失值（np.nan）

Question

我有一个 pandas 数据框 df，df 的“名称”列之一是一系列字符串，我使用 numpy.nan 作为缺失值。

当我尝试根据特定条件截断该列中的每个字符串时：

trunc = lambda s: s[:-10] if cond1 else s
df.names = df.names.apply(trunc)

trunc(numpy.nan) 给我一个错误。 类型 'float' 不可迭代。

完成工作最简单的方法是什么？ 我能想到的一种解决方案是更健壮地编写 trunc() 函数，它可以处理 numpy.nan 作为输入。将缺失的字符串值设置为 numpy.nan 是一种好习惯吗？

谢谢

Answer 1

df.names 是一个pd.Series，而pd.Series have string methods 可通过其str 属性访问：

df.loc[cond1, 'names'] = df.loc[cond1, 'names'].str.slice(None, -10)

这个str.slice 方法智能地忽略了NaN。

---

例如：

In [28]: df = pd.DataFrame({'names': ['abcdefghij', np.nan, 'klmnopqrst', np.nan]})

In [29]: df
Out[29]: 
        names
0  abcdefghij
1         NaN
2  klmnopqrst
3         NaN

[4 rows x 1 columns]

In [30]: cond1 = [True, False, False, True]

In [31]: df.loc[cond1, 'names'] = df.loc[cond1, 'names'].str.slice(None, -10)

In [32]: df
Out[32]: 
        names
0            
1         NaN
2  klmnopqrst
3         NaN

[4 rows x 1 columns]