python - 如果第一个函数失败，则应用第二个函数

Question

我是 Pandas 和 Numpy 的新手。我有一个数据框，我想通过将函数应用于列的每一行来创建一个新列。让我们举一个简单的例子:

import pandas as pd
import numpy as np

df = pd.DataFrame(columns=["names"], data=["Brussels", 2, "New York"])

def to_lower(value):
    try:
        return value.lower()
    except AttributeError:
        return None

def to_string(value):
    return str(value)

df['lower_names'] = np.vectorize(to_lower)(df['names'])

这个操作效果非常好。现在我想仅对结果为 None 的“lower_names”行应用 to_string() 然后应用 to_lower() (我不知道这是否是非常清楚)。

这看起来很基本，但我遇到了麻烦。我可以详细说明我的尝试，但我害怕显得白痴......也许我应该在使用这两个模块之前花一两周时间学习它们，但与此同时，任何建议都会受到欢迎。

编辑:对于我的简化示例，@jezrael 解决方案是正确的。现在，我们假设我想应用 np.vectorize(to_string) 函数，然后仅在“names”列的行上应用 np.vectorize(to_lower)第一个结果是 None，最好的方法是什么？

Answer 1

我认为您需要将 return None 更改为 return to_string(value):

def to_lower(value):
    try:
        return value.lower()
    except AttributeError:
        return to_string(value)

def to_string(value):
    return str(value)

df['lower_names'] = np.vectorize(to_lower)(df['names'])


print (df['lower_names'].apply(type))
0    <class 'str'>
1    <class 'str'>
2    <class 'str'>
Name: lower_names, dtype: object

也可以使用astype将所有值转换为 str 然后 str.lower :

df['lower_names'] = df['names'].astype(str).str.lower()