如果第一个功能失败，请使用第二个功能

Question

我是熊猫和Numpy的新手。我有一个数据框，我希望通过对列的每一行应用一个函数来创建一个新列。我们来看一个简化的例子：

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']) 

该操作工作得很好。现在我想将to_string()和to_lower()仅应用于结果为None的“lower_names”的行（我不知道这是否非常清楚）。

这看起来很基本，但我有麻烦。我可以详细描述我的尝试，但是我害怕出现一个白痴......也许我应该在一周或两周之前学习这两个模块，但在此之前，任何建议都会受到欢迎。

编辑：@jezrael解决方案是正确的......对于我的简化示例。现在让我们想象一下，我想仅在列名“行”的行中应用np.vectorize(to_string)函数，然后np.vectorize(to_lower)，其中第一个结果为None，那么执行该操作的最佳方式是什么？

Answer 1

我认为你需要改变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的转换和所有值str然后str.lower：

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