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 pdimport numpy as npdf['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)
登录后复制
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。
以上就是Pandas中如何根据A列和B列数据类型进行条件赋值？的详细内容，更多请关注【创想鸟】其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至253000106@qq.com举报，一经查实，本站将立刻删除。
发布者：PHP中文网，转转请注明出处：https://www.chuangxiangniao.com/p/2168226.html
