如果python数据帧字符串列缺少值,如何小写？

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())

如何调整它以获得xLower = ['one','two',np.nan]？效率很重要,因为真正的数据框架是巨大的.

Answer 1

使用pandas 矢量化字符串方法 ; 如在文档中:

这些方法会自动排除缺失/ 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

Answer 2

另一种可能的解决方案,如果列不仅有字符串而且数字也是如此,astype(str).str.lower()因为否则,如果数字不是字符串,则降低时它将返回to_string(na_rep=''),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()

然后我们有:

>>> 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

Answer 3

你也可以试试这个

df= df.applymap(lambda s:s.lower() if type(s) == str else s)

Answer 4

应用 lambda 函数

df['original_category'] = df['original_category'].apply(lambda x:x.lower())

Answer 5

可能的解决方案：

import pandas as pd
import numpy as np

df=pd.DataFrame(['ONE','Two', np.nan],columns=['x']) 
xLower = df["x"].map(lambda x: x if type(x)!=str else x.lower())
print (xLower)

结果是：

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

虽然不确定效率。

Answer 6

Pandas >= 0.25：删除大小写差异 str.casefold

从 v0.25 开始，str.casefold如果您正在处理 unicode 数据，我建议使用“矢量化”字符串方法（无论是字符串还是 unicode，它都可以工作）：

s = pd.Series(['lower', 'CAPITALS', np.nan, 'SwApCaSe'])
s.str.casefold()

0       lower
1    capitals
2         NaN
3    swapcase
dtype: object

另请参阅相关的 GitHub 问题GH25405。

casefold有助于更积极的案例折叠比较。它还可以优雅地处理 NaN（就像那样str.lower）。

但为什么这更好？

使用 unicode 可以看到差异。以pythonstr.casefold文档中的示例为例，

Casefolding 类似于小写，但更具侵略性，因为它旨在消除字符串中的所有大小写区别。例如，德语小写字母'ß'相当于"ss". 由于它已经是小写字母，lower()因此不会对'ß'; casefold() 将其转换为"ss".

比较lowerfor的输出，

s = pd.Series(["der Fluß"])
s.str.lower()

0    der fluß
dtype: object

与casefold,

s.str.casefold()

0    der fluss
dtype: object

另请参阅Python：lower() 与 casefold() 中的字符串匹配和转换为小写。