【Python】dataframe 两列的数值合并计算，但是如果是none值，则视为0相加减

如果想在Python的pandas中，将dataframe的两列的值合并起来处理，但是遇到 None 值是则替换为0，或者空值，使得不影响运行结果，可以使用以下方法：

方法1：使用 fillna

如果想要把整一行的空值处理成0再与相加，可以使用 fillna 方法，然后再进行合并。

import pandas as pd

# 创建一个示例DataFrame
df = pd.DataFrame({
    'A': [1, 2, None, 4],
    'B': [5, None, 7, None]
})

# 将None值替换为0
df['A'] = df['A'].fillna(0)
df['B'] = df['B'].fillna(0)

# 合并两列的值
df['Combined'] = df['A'] + df['B']

# 检查结果
print(df)

原来的df表：

运行后的结果：

这个方法在使用了fillna(0)的时候，会对原数据进行修改，原本是NaN的值，最后变成了0.

如果不想对原数据有修改，则可以使用下面的两种方法：

方法2：使用 apply 和 lambda

import pandas as pd

# 创建一个示例DataFrame
df = pd.DataFrame({
    'A': [1, 2, None, 4],
    'B': [5, None, 7, None]
})

# 使用apply和lambda函数合并两列的值，None值视为0
df['Combined'] = df.apply(lambda row: row['A'] if pd.isnull(row['B']) else row['B'] if pd.isnull(row['A']) else row['A'] + row['B'], axis=1)

# 检查结果
print(df)

运行的效果如下：

主要的代码部分：
df.apply(lambda row: row[‘A’] if pd.isnull(row[‘B’]) else row[‘B’] if
pd.isnull(row[‘A’]) else row[‘A’] + row[‘B’], axis=1)

如果看不懂这个表达式，可以看看下面的解释：

1. pd.isnull(row[‘B’]):用于检查row[‘B’]中的值是否是None；
2. row[‘A’] if pd.isnull(row[‘B’]) else … : 这个条件表达式的意思是，如果row[‘B’]是缺失值（pd.isnull(row[‘B’])为True），则计算的结果= row[‘A’]的值，否则继续判断下一个条件（两列的值相加）；
   3.df.apply(axis=1），axis=1参数告诉apply函数沿着行操作，即对DataFrame的每一行应用lambda表达式（约等于对每一行的for循环）

这个方法的问题是，如果需要合并处理的列比较多，写法就会比较长，需要在上面叠加 条件判断。

如果大家有更加简洁轻便的写法，欢迎下面评论呀~