我正在尝试使用pandas DataFrame的 apply方法对一列进行转换，但有些元素返回NaN（或None），尽管我希望原始值保持不变。

下面是一个简化的代码片段，用来重现这个问题：

import pandas as pd

def scale_positive(x):
    if x > 0:
        return x * 10
    # For x <= 0 I intentionally omitted a return statement,
    # expecting the original value to be preserved.

s = pd.Series([5, -2, 0, 8, -1])
result = s.apply(scale_positive)
print(result)

实际输出：

1     NaN   
2     NaN   
3    80.0   
4     NaN   
dtype: float64

我期望输出是 [50, -2, 0, 80, -1]。相反，apply在没有显式返回值的元素处插入NaN（对象类型为None时会得到None）。

我已经阅读了 'apply' 的文档并做了一些实验。看起来当一个函数没有显式的 'return'（隐式返回None）时，'apply' 会把None（或NaN）放到结果单元中。为什么 'apply' 在这种情况下不能简单地保留原始值？在对Series或 DataFrame的部分元素进行条件性变换、而让其余部分保持不变时，最合适的用法是什么？

Python版本：3.11.6
pandas版本：2.1.1
操作系统：macOS Ventura

解决方案

我已经阅读了 'apply' 的文档并做了一些实验。看起来当一个函数没有显式的 'return'（隐式返回None）时，'apply' 会把None（或NaN）放到结果单元中。

你确实发现了问题所在。你的函数有时不返回值，因此在那些情况下结果是 None。

为什么 'apply' 在这种情况下不直接保留原始值？

我们可以对设计该功能时的任何潜在原因进行推测，但这并不改变功能的实际表现。

我个人的猜测很简单……为什么会这样？这听起来像是出乎意料的行为，可能带来比它解决的问题更多的问题。如果你希望通过函数调用得到一个值，那么该函数就应该返回该值。

在对Series或 DataFrame的部分元素进行条件性变换、同时让其他元素保持不变时，最合适的惯用方法是什么？

从你的函数中返回一个值。例如：

def scale_positive(x):
    if x > 0:
        return x * 10
    return x