Comment minuscule pandas dataframe chaîne de colonne si elle a des valeurs manquantes?

Le code suivant ne fonctionne pas. 

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())

Comment dois-je modifier pour obtenir xLower = ['un','deux',np.nan] ?
L'efficacité est importante puisque la véritable trame de données est énorme.

  • À partir de v0.25 ans, je recommande str.casefold pour plus agressif cas de pliage des comparaisons de chaînes. Plus d'informations dans cette réponse.
InformationsquelleAutor P.Escondido | 2014-03-07
  1. 117

    utiliser les pandas vectorisé méthodes string; comme dans la documentation:

    ces méthodes exclure manquant/NA automatiquement les valeurs

    .str.lower() est le premier exemple;

    >>> df['x'].str.lower()
0    one
1    two
2    NaN
Name: x, dtype: object
    • il est intéressant de noter c'est plus lente que la méthode la carte dans l'autre réponse 10000 loops, best of 3: 96.4 µs per loop contre 10000 loops, best of 3: 125 µs per loop
    • ce n'est pas étonnant avec seulement 3 éléments; mais il ne serait pas le cas de la dire, à seulement 100 éléments;
    InformationsquelleAutor behzad.nouri
  2. 14

    Une autre solution possible, dans le cas où la colonne n'a pas seulement des chaînes de caractères, mais les numéros de trop, est d'utiliser astype(str).str.lower() ou to_string(na_rep='') parce que sinon, étant donné qu'un certain nombre n'est pas une chaîne, une fois réduits, il sera de retour NaN, donc:

    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()

    puis nous avons:

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

    et pas

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

    edit:

    si vous ne voulez pas perdre les NaNs, puis à l'aide de la carte sera mieux, (à partir de @wojciech-walczak, et @cs95 commentaire) il ressemblera à quelque chose comme ceci

    xSecureLower = df['x'].map(lambda x: x.lower() if isinstance(x,str) else x)
    • Merci, mec! Je l'avais oublié, Nan, j'ai juste corrigé la réponse
    InformationsquelleAutor Mike W
  3. 6

    Une solution possible:

    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)

    Et un résultat:

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

    Pas sûr de l'efficacité de la si.

    • Même que l'autre réponse, utilisez isinstance lors de la vérification du type d'un objet.
    InformationsquelleAutor Wojciech Walczak
  4. 2

    Pandas >= 0.25: Supprimer le Cas des Distinctions avec str.casefold

    À partir de v0.25, je recommande l'utilisation de "vectorisé" méthode de chaîne str.casefold si vous travaillez avec des données unicode (il fonctionne indépendamment de la chaîne ou unicodes):

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

0       lower
1    capitals
2         NaN
3    swapcase
dtype: object

    Également voir GitHub question GH25405.

    casefold se prête à la plus agressive cas de pliage de comparaison. Elle s'occupe également de NaNs gracieusement (tout comme str.lower n').

    Mais pourquoi est-ce mieux?

    La différence est vu avec unicodes. En prenant l'exemple de la python str.casefold docs,

    Casefolding est similaire à la mise en minuscules, mais plus agressif, car il
    vise à supprimer tous les cas, des distinctions dans une chaîne de caractères. Par exemple,
    l'allemand lettre minuscule 'ß' est équivalent à "ss". Depuis il est
    déjà minuscule, lower() ne ferait rien pour 'ß'; casefold()
    convertit "ss".

    Comparer la sortie de lower pour,

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

0    der fluß
dtype: object

    Contre casefold,

    s.str.casefold()

0    der fluss
dtype: object

    Voir aussi Python: lower() vs casefold() en correspondance de chaîne et de la conversion en minuscules.

    InformationsquelleAutor cs95
  5. 1

    vous pouvez essayer celui-ci aussi,

    df= df.applymap(lambda s:s.lower() if type(s) == str else s)
    • type(s) == str devrait plutôt être isinstance(s, str)
    InformationsquelleAutor Farid
  6. 1

    Peut-être l'aide de la Liste de compréhension 

    import pandas as pd
import numpy as np
df=pd.DataFrame(['ONE','Two', np.nan],columns=['Name']})
df['Name'] = [str(i).lower() for i in df['Name']] 

print(df)
    InformationsquelleAutor deepesh
  7. 0

    copie de votre Dataframe de la colonne et il suffit d'appliquer

    df=data['x']
    newdf=df.str.lower()

    InformationsquelleAutor Ch HaXam