如何在这[闭合]上做一个循环

Question

我有一个带有每周工资值的列的数据集。我试图使用循环更改某些值，例如，如果我有一个长度为2的值，我将其转换为整数，如果长度大于2，我插入'Nope'

if len (data['V807']) == 2:
  data ['V807']=int(data['V807'])
else:
  data['V807']= 'Nope' 

问题是，它将所有内容转换为'Nope'，尽管有许多长度为2的值：

循环之后我全都“不”

Answer 1

您当前的方法不起作用，因为len中的len(data['V807'])在整个列上运行，而不仅仅是特定的单元格。执行else位，并为每个单元分配Nope。这是设置 -

data

               V807
0                33
1                24
2  NOT EMPL->=3 MOS
3    NK-UNASCERTAIN
4                37

len(data['V807'])
5

你需要做的是，重复data中每一行的过程，并为相应的单元格赋值。当然，你可以使用循环，或使用apply的循环解决方案，但有一个更快的方式与to_numeric -

data['V807'] = pd.to_numeric(data['V807'], errors='coerce').fillna('Nope')
data

   V807
0    33
1    24
2  Nope
3  Nope
4    37

使用errors='coerce'参数，任何非数字类型的值（整数或浮点数）都将转换为NaN。在此之后，使用fillna将NaNs转换为"Nope"（虽然我非常怀疑你想要这最后一步，但这是浪费，因为它混合浮动和字符串）。

Answer 2

我们可以使用str.isalnum()（数据来自coldspeed :-)）

df[~df.V807.str.isalnum()]='nope'
df
Out[95]: 
   V807
0    33
1    24
2  nope
3  nope
4    37

Answer 3

您可以通过布尔运算符使用索引相当容易地完成此操作。

mask = (df['V807'].str.len() == 2)
mask2 = (df['V807'].str.len() != 2) 

df[mask] = df[mask].astype(int)
df[mask2] = 'Nope'