2 回答

TA貢獻(xiàn)1864條經(jīng)驗(yàn) 獲得超2個(gè)贊
您可以使用Series.mask:
df['var2'].mask(df['var2'].notna(),df['var2'].astype(str)+'T',inplace=True)
print(df)
var 1 var2
0 prod A 100.0T
1 prod b NaN
或DataFrame.loc:
df.loc[df['var2'].notna(),'var2']=df.loc[df['var2'].notna(),'var2'].astype(str)+'T'
print(df)
var 1 var2
0 prod A 100.0T
1 prod b NaN

TA貢獻(xiàn)1852條經(jīng)驗(yàn) 獲得超1個(gè)贊
通過(guò)轉(zhuǎn)換為字符串刪除缺失值Series.dropna并進(jìn)行處理,缺失值在分配回列后創(chuàng)建var2:
df['var2'] = df['var2'].dropna().astype(str) + "T"
print (df)
var 1 var2
0 prod A 100.0T
1 prod b NaN
或先轉(zhuǎn)換為整數(shù),然后再轉(zhuǎn)換為字符串以避免.0值:
df['var2'] = df['var2'].dropna().astype(int).astype(str) + "T"
print (df)
var 1 var2
0 prod A 100T
1 prod b NaN
添加回答
舉報(bào)