将 lambda 函数应用于具有 NaN 值的数据框？

Question

我正在尝试执行在行之间变化且变量保持一致的计算。当一行数据不完整时，如何使用这个 lambda 函数？

跟进这个问题：根据行之间变化的计算创建一个新列？

#example
import pandas as pd
import numpy as np

conversion = [["a",5],["b",1],["c",10]]
conversion_table = pd.DataFrame(conversion,columns=['Variable','Cost'])

data1 = [[1,"2*a+b"],[2,"c"],[3,"2*c"],[4, np.NaN]]
to_solve = pd.DataFrame(data1,columns=['Day','Q1'])

#Desired dataframe: 

desired = [[1,11],[2,10],[3,20]]
desired_table=pd.DataFrame(desired,columns=['Day','desired output'])

#Using lambda to map values does not work when NaN is present.

#Map values
mapping = dict(zip(conversion_table['Variable'], conversion_table['Cost']))

desired_table["solved"]=to_solve['Q1'].map(lambda x: eval(''.join([str(mapping[i]) if i.isalpha() else str(i) for i in x])))

当我的列不包含 NaN 值时，此代码可以工作，但当我的数据不完整时，我需要此代码来工作。我收到以下错误：“浮动”对象不可迭代。我只想将 NaN 值保留在原处并填充其余值。

Answer 1

desired_table["solved"]=to_solve['Q1'].map(lambda x: ..., na_action='ignore')

应该做你想做的事。

In [6]: to_solve['Q1'].map(lambda x: eval(''.join([str(mapping[i]) if i.isalpha() else str(i) for i in x])), na_action='ignore')                                                                            
Out[6]: 
0    11.0
1    10.0
2    20.0
3     NaN
Name: Q1, dtype: float64