如果缺少值，如何将 pandas 数据框字符串列小写？

Question

以下代码不起作用。

 import pandas as pd
import numpy as np
df=pd.DataFrame(['ONE','Two', np.nan],columns=['x'])
xLower = df["x"].map(lambda x: x.lower())

我应该如何调整它以获得 xLower = [‘one’,‘two’,np.nan] ？效率很重要，因为真实的数据框架是巨大的。

原文由 P.Escondido 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

使用 pandas 向量化字符串方法；如文档中所示：

这些方法自动排除缺失值/NA 值

.str.lower() 是那里的第一个例子；

 >>> df['x'].str.lower()
0    one
1    two
2    NaN
Name: x, dtype: object

原文由 behzad.nouri 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

另一种可能的解决方案是，如果该列不仅有字符串，还有数字，则使用 astype(str).str.lower() 或 to_string(na_rep='') 因为否则，假设数字不是字符串，当降低时它将返回 NaN ，因此：

 import pandas as pd
import numpy as np
df=pd.DataFrame(['ONE','Two', np.nan,2],columns=['x'])
xSecureLower = df['x'].to_string(na_rep='').lower()
xLower = df['x'].str.lower()

那么我们有：

 >>> xSecureLower
0    one
1    two
2
3      2
Name: x, dtype: object

并不是

>>> xLower
0    one
1    two
2    NaN
3    NaN
Name: x, dtype: object

---

编辑：

如果你不想丢失 NaN，那么使用 map 会更好，（来自@wojciech-walczak 和@cs95 评论）它看起来像这样

xSecureLower = df['x'].map(lambda x: x.lower() if isinstance(x,str) else x)

原文由 Mike W 发布，翻译遵循 CC BY-SA 4.0 许可协议