pandas 如何將一列多樣複雜類型的數值批量apply轉換

一 、 前言：

在實際數據分析時， 我們常常要對不規範的數據進行規整化，一般規整化的過程比較繁瑣。 如果採用pandas 的apply 函數可以快速的批量規整。

二、 案例

例如我們有一份旅客預定房間情況： abe 預訂了 1號房， tom 預訂了 2、4、5號房， sam 預訂了 3號房。現在我們希望知道這些旅客預訂的第一個房間。

1.  從一列序列值批量取元素

假設我們拿到下面一份程序員錄入的表：

其中，name 爲旅客名字， rooms 爲旅客預定的房間（可以有多個），rooms 的所有值 都是序列類型的。

現在我們採用apply 內嵌 lambda 函數取序列第一個元素的方法， 就可以方便地得到旅客預定的第一個房間：

2.  從一列 複雜多樣數據類型 的數值批量取元素

然而， 實際當中錄入數據更可能把rooms 錄入單個的數據（即int 型），我們得到的初始表如下：

這個時候， 前面的方法會報錯， 因爲id = 0，2時， rooms 的值均不是list 類型， 執行到 lambda x:x[0] 會報錯。

即便採用try except異常處理， 雖然程序可以正常運行， 但不能達到轉換的效果。

但假如我們在lambda 函數中考慮了異常的情況：  就可以直接轉換了。（見我的上一篇博文 python lambda 函數處理異常。）

代碼如下：

def getLambda(x, exec_str, ep_str):

    val = 0
    try: 
        exec(exec_str)
    except:
        exec(ep_str)
    return val

df['1st_room'] = df['rooms'].apply(lambda x:getLambda(x, "val = x[0]", "val = x"))

我們得到的結果如下：

完美的解決了這個問題。