如果值不为空，Python 处理特定 Pandas DataFrame 列的最佳方法

Question

仅当一组特定 Dataframe 列中的值不为空时，处理该值的最佳方法是什么？

我的原始代码:

for i in columns_to_process:
    df[i] = df[i].astype(str) + '!'

#columns_to_process is a list of selected df column name strings

我意识到这会将 null 值变成 nan! 但我只想将它们保留为 null。

我已经研究过使用 .apply() 和 lambda 函数，但根据:Pandas: How can I use the apply() function for a single column?，这在处理单个列时显然是不好的做法。 。似乎 .apply() 更多的是用于更新数据框中的每一列。

然后我发现了这个:replace non Null values in column by 1并设法制定了这个可行的解决方案:

for i in columns_to_process:
    df.loc[df[i].notnull(), i] = df.loc[df[i].notnull(), i].astype(str) + '!'

我花了很长时间才弄清楚这一点，而且看起来不太优雅，所以我想知道是否有更好/更Pythonic的方法来做到这一点？

Answer 1

IIUC，尝试pandas.DataFrame.where:

# Sample df
df = pd.DataFrame({'foo': ['one', 'one', 'one', 'two', 'two',
                            'two'],
                   'bar': ['A', 'B', np.nan, 'A', 'B', 'C'],
                   'baz': [1, 2, np.nan, 4, 5, 6],
                   'zoo': ['x', 'y', 'z', 'q', 'w', 't']})

columns_to_process = ['bar', 'baz']
df[columns_to_process] = df[columns_to_process].where(df[columns_to_process].isna(), lambda x: x.astype(str)+'!')
df

输出:

   bar    baz  foo zoo
0  A!!  1.0!!  one   x
1  B!!  2.0!!  one   y
2  NaN    NaN  one   z
3  A!!  4.0!!  two   q
4  B!!  5.0!!  two   w
5  C!!  6.0!!  two   t