pandas 如何将一列多样复杂类型的数值批量apply转换

一 、 前言：

在实际数据分析时， 我们常常要对不规范的数据进行规整化，一般规整化的过程比较繁琐。 如果采用pandas 的apply 函数可以快速的批量规整。

二、 案例

例如我们有一份旅客预定房间情况： abe 预订了 1号房， tom 预订了 2、4、5号房， sam 预订了 3号房。现在我们希望知道这些旅客预订的第一个房间。

1.  从一列序列值批量取元素

假设我们拿到下面一份程序员录入的表：

其中，name 为旅客名字， rooms 为旅客预定的房间（可以有多个），rooms 的所有值 都是序列类型的。

现在我们采用apply 内嵌 lambda 函数取序列第一个元素的方法， 就可以方便地得到旅客预定的第一个房间：

2.  从一列 复杂多样数据类型 的数值批量取元素

然而， 实际当中录入数据更可能把rooms 录入单个的数据（即int 型），我们得到的初始表如下：

这个时候， 前面的方法会报错， 因为id = 0，2时， rooms 的值均不是list 类型， 执行到 lambda x:x[0] 会报错。

即便采用try except异常处理， 虽然程序可以正常运行， 但不能达到转换的效果。

但假如我们在lambda 函数中考虑了异常的情况：  就可以直接转换了。（见我的上一篇博文 python lambda 函数处理异常。）

代码如下：

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"))

我们得到的结果如下：

完美的解决了这个问题。