在Pandas数据帧中逐个元素应用条件

Question

我正在学习Python，并尝试理解Pandas数据框中apply()方法的工作原理。

作为练习，我想使用一行代码仅对Pandas数据框中的字符串元素应用str.upper()方法。

我考虑将lambda条件表达式与apply相结合，但问题在于当apply调用Pandas数据框时，数据框返回一个Series给apply，然后再将其传递给函数。我想知道如何更深入地调用Pandas数据框的元素并对其进行处理。

当apply()调用DataFrame（Series）的列时，这是我实现意图的方式：

df= pd.DataFrame([[1, 'a'],['b',2]], columns = ['A', 'B'] )
df['A'].apply(lambda x: str.upper(x) if type(x) is str else x)

但是我怎样才能用一行代码对整个数据框进行操作呢？

我正在寻找一种解决方案，可以处理同时包含数字和字符串的列，并保留数字不变。

- gk7

---

你可以使用 df.applymap()，但是它非常慢 - 所以请小心。 - MaxU - stand with Ukraine

在你学习的时候还有一件事需要注意：如果你正在检查某个东西是否为字符串并将其转换为大写字母，可以使用以下代码：lambda x: x.upper() if isinstance(x, basestring) else x。 - the_constant

@MaxU：您是否愿意发布一个答案，展示如何使用applymap()来解决具体问题，例如数据框？ - gk7

@gk7，piRSquared提供了一个很好的例子；-) - MaxU - stand with Ukraine

Answer 1

你的简洁表述

df.applymap(lambda x: x.upper() if isinstance(x, str) else x)

   A  B
0  1  A
1  B  2

- piRSquared

---

如果这是在 Python 3 之前，OP 应该在 isinstance() 中使用 basestring 而不是 str。 - the_constant

@Vincenzzzochi，basestring在Python 3中无法使用，因此需要使用six：import six; df.applymap(lambda x: x.upper() if isinstance(x, six.string_types) else x) - 这应该适用于Python 2.x和Python 3.x。 - MaxU - stand with Ukraine