如何在Pandas中忽略空DataFrame的处理流程？

原始DataFrame #

No     ITEM      Location   Class     Data
     14    Tiger__    Area        01 ***************************************PPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPP**********************************************************************************PPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPP
     14    Tiger__    Area        02 **************************PPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPP*********************************************************************************PPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPP
     14    Rabbit__   Area        01 **************************PPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPP*********************************************************************************PPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPP
     14    Rabbit__   Area        02 **************************PPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPP*********************************************************************************PPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPP

报错代码 #

Tigeritem = df[df['ITEM'].str.contains('Tiger_') == True]
snakeitem = df[df['ITEM'].str.contains('Snake_') == True]
Rabbititem = df[df['ITEM'].str.contains('Rabbit_') == True]

realtiger = Tigeritem['Data'].astype(str).str.extractall('(\*+)')[0].str.len().loc[lambda x: x > 40].groupby(level=0).agg(list).str[1]
realsnake = snakeitem['Data'].astype(str).str.extractall('(\*+)')[0].str.len().loc[lambda x: x > 40].groupby(level=0).agg(list).str[1]
realrabbit = Rabbititem['Data'].astype(str).str.extractall('(\*+)')[0].str.len().loc[lambda x: x > 40].groupby(level=0).agg(list).str[1]

错误原因 #

由于DataFrame中没有包含Snake_的行，snakeitem是空DataFrame，执行realsnake相关代码时触发错误：

AttributeError: Can only use .str accessor with string values!

需求 #

跳过空DataFrame的处理流程，仅执行realtiger和realrabbit的处理，得到预期输出：

0    82
1    81
Name: 0, dtype: int64
2    81
3    81
Name: 0, dtype: int64

解决方案 #

封装一个通用处理函数，先判断DataFrame是否为空，非空时再执行提取逻辑，避免空DataFrame触发报错：

def process_item_data(item_df):
    if item_df.empty:
        return None
    return item_df['Data'].astype(str).str.extractall('(\*+)')[0].str.len().loc[lambda x: x > 40].groupby(level=0).agg(list).str[1]

# 筛选各item对应的DataFrame
Tigeritem = df[df['ITEM'].str.contains('Tiger_')]
snakeitem = df[df['ITEM'].str.contains('Snake_')]
Rabbititem = df[df['ITEM'].str.contains('Rabbit_')]

# 仅处理非空的DataFrame
realtiger = process_item_data(Tigeritem)
realrabbit = process_item_data(Rabbititem)

# 输出结果
print(realtiger)
print(realrabbit)

说明 #

• 函数process_item_data会先检查输入的DataFrame是否为空，为空则返回None，跳过后续的字符串操作
• 对有数据的Tigeritem和Rabbititem正常执行提取逻辑，得到预期的长度值

内容的提问来源于stack exchange，提问作者888Seeme