用Pandas過濾掉空的DataFrame單元的最佳方法適用

Question

我正在使用apply方法將數據從Pandas DataFrame發送到函數。如果單元格爲空白，則對象類型爲「NoneType」或「float」，這與我的函數所做的字符串比較不兼容。我過濾掉使用此數據：

if isinstance(col1,str): #to make sure the data is a string. 

我的問題是，如果有更好的方法來做到這一點，因爲這違背了鴨子類型的概念？

對於這裏的上下文是我的代碼：

def check_cols(col1,col2): 
    if isinstance(col1,str): 
     var = col1 
    else: 
     var = col2 
    #the logical part of the function is here 

#passing in data from two columns 
dfcat['col3'] = dfcat.apply(lambda x: check_cols(x['col1'],x['col2']),axis=1) 

Answer 1

我認爲，如果需要更換None和NaN您可以使用combine_first：

dfcat['col3'] = dfcat['col1'].combine_first(dfcat['col2']) 

但如果需要boolean mask更換非strings使用mask：

mask = dfcat['col1'].apply(lambda x: isinstance(x,str)) 
dfcat['col3'] = dfcat['col2'].mask(mask, dfcat['col1']) 

示例：

dfcat = pd.DataFrame({'col1':[np.nan, 'aa', None, 10, 12.7], 'col2':['e','r','t','k', 'g']}) 
print (dfcat) 
    col1 col2 
0 NaN e 
1 aa r 
2 None t 
3 10 k 
4 12.7 g 

mask = dfcat['col1'].apply(lambda x: isinstance(x,str)) 
dfcat['col3'] = dfcat['col2'].mask(mask, dfcat['col1']) 
print (dfcat) 
    col1 col2 col3 
0 NaN e e 
1 aa r aa 
2 None t t 
3 10 k k 
4 12.7 g g