Pandas如何根据A、B列数据类型进行条件赋值？

本文介绍了如何利用Pandas高效地根据DataFrame中A列和B列的数据类型进行条件赋值。通过`apply()`方法结合`lambda`函数，代码简洁地实现了根据A列和B列是否均为整数类型，在新增的“判断”列中赋值“OK”或“NO”的功能。此方法比使用`astype(int)`更稳健，避免了类型转换错误，能有效处理包含非数值数据的情况，是Pandas数据处理的实用技巧。

Python Pandas：基于列数据类型进行条件赋值

本文演示如何在 Pandas DataFrame 中，根据 A 列和 B 列的数据类型执行条件赋值。假设我们有一个名为 df 的 DataFrame，包含 A 列和 B 列。

目标：

判断 A 列和 B 列中对应行的值是否均为整数类型。如果是，则在新的“判断”列中赋值为 "OK"；否则，赋值为 "NO"。

解决方案：

利用 Pandas 的 apply() 方法结合 lambda 函数，可以优雅地实现这一目标：

import pandas as pd
import numpy as np

df['判断'] = df.apply(lambda row: "OK" if isinstance(row['A列'], (int, np.integer)) and isinstance(row['B列'], (int, np.integer)) else "NO", axis=1)

代码解释：

• df.apply(lambda row: ..., axis=1)：对 DataFrame 的每一行应用 lambda 函数。 axis=1 指定按行操作。
• lambda row: ...：定义一个匿名函数，它接收 DataFrame 的每一行作为 row 参数。
• isinstance(row['A列'], (int, np.integer)) and isinstance(row['B列'], (int, np.integer))：检查 A 列和 B 列的值是否都为整数类型。np.integer 用于兼容 NumPy 整数类型。
• "OK" if ... else "NO"：根据条件返回 "OK" 或 "NO"。

这种方法比使用 astype(int) 更为稳健，因为它不会因为类型转换错误而抛出异常，并且直接检查原始数据类型。 如果 A 列或 B 列包含非数值数据，astype(int) 会产生错误，而 isinstance 方法则能正确处理这种情况。

好了，本文到此结束，带大家了解了《Pandas如何根据A、B列数据类型进行条件赋值？》，希望本文对你有所帮助！关注golang学习网公众号，给大家分享更多文章知识！