我有一个相当复杂的 df.apply() 来计算两个日期之间的营业时间。
我让它在单行/示例中没有问题,但是我现在正尝试将它应用于整个 df。
示例代码: df.apply(lambda row: calc_bus_hrs(row['Created Date'], row['T1 - Date']) if not (pd.isnull(row['T1 - Date'])) else np.nan , 轴=1)
df.apply 与每一行都不相关,并返回一些 nan 输出这很好。
输出:
40171 南 40172 南 40173 0.399722 40174 南 40175 南 40176 南 40177 南 40178 南 40179 0.017222 40180 南
现在我想像这样使用另一个列值保存到我的 df 中:
df[df['T1 - From'].values[0] + " Time"]
现在的问题是当 df[df['T1 - From'].values[0] 包含一个 nan 时上面的代码失败。
- 如何将输出仅保存到不是 nan 的行?
完整代码:
df[df['T1 - From'].values[0] + " Time"] = df.apply(lambda row: calc_bus_hrs(row['Created Date'], row['T1 - Date']) if not (pd.isnull(row['T1 - Date'])) else np.nan, axis=1)
错误:
TypeError: unsupported operand type(s) for +: 'float' and 'str'
请您参考如下方法:
您可以通过定义一个单独的 lambda 函数来实现它,该函数可以处理行逻辑:
def lambda_func(row):
if df['T1 - Date'] is not None:
return calc_bus_hrs(row['Created Date'], row['T1 - Date'])
else:
return nan
df[df['T1 - From'].values[0] + " Time"] = df.apply(lambda_func(x))
