如果第一個功能失敗，請使用第二個功能

Question

我是熊貓和Numpy的新手。我有一個數據框，我希望通過對列的每一行應用一個函數來創建一個新列。我們來看一個簡化的例子：

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']) 

該操作工作得很好。現在我想將to_string()和to_lower()僅應用於結果爲None的「lower_names」的行（我不知道這是否非常清楚）。

這看起來很基本，但我有麻煩。我可以詳細描述我的嘗試，但是我害怕出現一個白癡......也許我應該在一週或兩週之前學習這兩個模塊，但在此之前，任何建議都會受到歡迎。

編輯：@jezrael解決方案是正確的......對於我的簡化示例。現在讓我們想象一下，我想僅在列名「行」的行中應用np.vectorize(to_string)函數，然後np.vectorize(to_lower)，其中第一個結果爲None，那麼執行該操作的最佳方式是什麼？

Answer 1

我認爲你需要改變return None到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 

也有可能使用astype的轉換和所有值str然後str.lower：

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