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：
<code class="python">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)</code>
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。
