擅长:python、mysql、java
<p>要编写地道的pandas代码,您应该尽可能使用pandas或numpy包,而不是Python内置或其他Python补充包</p>
<p>pandas提供了通用函数<a href="https://pandas.pydata.org/docs/reference/api/pandas.isna.html" rel="nofollow noreferrer">^{<cd1>}</a>和<a href="https://pandas.pydata.org/docs/reference/api/pandas.notna.html" rel="nofollow noreferrer">^{<cd2>}</a>,用于检测类数组对象的缺失/非缺失值。您的代码可以修改为使用<code>pd.isna()</code>,如下所示:</p>
<pre><code>assure['codeTypePieceIdentite'] = \
assure['codeTypePieceIdentite'].apply(lambda x: processNan(x) if pd.isna(x) else x)
</code></pre>
<p>使用熊猫的主要优势;numpy是指它们从其ndarray数据类型中提供高效的阵列处理,该数据类型已在其基础设计中针对性能考虑进行了优化。numpy也很常用,因为熊猫是基于numpy建造的</p>
<p>对于检查pandas系列和DataFrame的nan值,<code>pd.isna()</code>和<code>pd.notna()</code>是显而易见的选择。对于检查pandas系列中的单个元素,尽管您也可以使用pandas或numpy以外的包,但只要您正在处理pandas对象,仍然建议使用pandas函数。这将帮助您编写<em>惯用代码</em>,并在导入额外的补充包时为您节省一些系统资源(内存和处理时间)</p>