如何用Python一行代码实现DataFrame非空判断及对应逻辑

核心思路 #

将单个DataFrame的判断与处理逻辑封装为可复用的函数，再通过一行代码批量遍历所有目标DataFrame，彻底避免冗余重复代码。

实现方案 #

基础版（一行批量处理）

先定义处理单个DataFrame的函数，再用列表推导式完成批量操作：

import pandas as pd
import numpy as np

def process_single_df(df):
    if not df.empty:
        df['test_col'] = np.nan
    else:
        print('data is empty')

# 假设dfs是包含所有需要处理的DataFrame的列表
[process_single_df(df) for df in dfs]

进阶版（带标识的空值提示）

如果需要明确区分哪个DataFrame为空，可以给每个DataFrame添加名称标识：

# 以(名称, DataFrame)的元组形式存储目标数据
named_dfs = [('user_df', user_df), ('order_df', order_df), ('product_df', product_df)]

def process_named_df(name, df):
    if not df.empty:
        df['test_col'] = np.nan
    else:
        print(f'DataFrame [{name}] is empty')

# 一行完成批量处理
[process_named_df(name, df) for name, df in named_dfs]

极简一行式（无需单独定义函数）

如果追求极致简洁，可使用lambda表达式结合map函数实现：

# dfs为目标DataFrame列表
list(map(lambda df: df.assign(test_col=np.nan) if not df.empty else print('data is empty'), dfs))

注：assign会返回新的DataFrame，若需要原地修改原DataFrame，建议使用前面的函数封装方式。

内容的提问来源于stack exchange，提问作者Zack