Наступний код не працює.

import pandas as pd
import numpy as np
df=pd.DataFrame(['ONE','Two', np.nan],columns=['x']) 
xLower = df["x"].map(lambda x: x.lower())

Як мені його налаштувати, щоб отримати xLower = ['one', 'two', np.nan]? Ефективність важлива, оскільки реальний фрейм даних величезний.

використовувати векторизовані рядкові методи панд ; як в документації:

ці методи автоматично виключають відсутні значення / значення NA

.str.lower() це найперший приклад там;

>>> df['x'].str.lower()
0    one
1    two
2    NaN
Name: x, dtype: object

Іншим можливим рішенням, якщо стовпець має не лише рядки, а й числа, є використання astype(str).str.lower()або to_string(na_rep='')тому, що інакше, враховуючи, що число не є рядком, при опусканні воно повернеться NaN, отже:

import pandas as pd
import numpy as np
df=pd.DataFrame(['ONE','Two', np.nan,2],columns=['x']) 
xSecureLower = df['x'].to_string(na_rep='').lower()
xLower = df['x'].str.lower()

тоді маємо:

>>> xSecureLower
0    one
1    two
2   
3      2
Name: x, dtype: object

і ні

>>> xLower
0    one
1    two
2    NaN
3    NaN
Name: x, dtype: object

редагувати:

якщо ви не хочете втратити NaN, то використання карти буде краще, (з @ wojciech-walczak та @ cs95 коментар) це буде виглядати приблизно так

xSecureLower = df['x'].map(lambda x: x.lower() if isinstance(x,str) else x)

Можливе рішення:

import pandas as pd
import numpy as np

df=pd.DataFrame(['ONE','Two', np.nan],columns=['x']) 
xLower = df["x"].map(lambda x: x if type(x)!=str else x.lower())
print (xLower)

І результат:

0    one
1    two
2    NaN
Name: x, dtype: object

Не впевнений у ефективності, хоча.

Ви можете спробувати і цей,

df= df.applymap(lambda s:s.lower() if type(s) == str else s)

Pandas> = 0,25: Видалити відмінності між регістром за допомогою str.casefold

Починаючи з v0.25, я рекомендую використовувати "векторизований" метод рядків, str.casefoldякщо ви маєте справу з даними Unicode (він працює незалежно від рядка або unicodes):

s = pd.Series(['lower', 'CAPITALS', np.nan, 'SwApCaSe'])
s.str.casefold()

0       lower
1    capitals
2         NaN
3    swapcase
dtype: object

Також див. Відповідну проблему GitHub GH25405 .

casefoldпіддається більш агресивному порівнянню складання справ. Він також граційно обробляє NaN (так само, як str.lowerце робить).

Але чому це краще?

Різниця помітна в унікодах. Беручи приклад у документах pythonstr.casefold ,

Складання регістрів подібне до нижнього, але більш агресивне, оскільки воно призначене для видалення всіх відмінностей між регістрами в рядку. Наприклад, німецька мала літера 'ß'є еквівалентом "ss". Оскільки це вже мала літера, lower()нічого не зробиш 'ß'; casefold() перетворює його в "ss".

Порівняйте вихідні дані lowerдля,

s = pd.Series(["der Fluß"])
s.str.lower()

0    der fluß
dtype: object

Versus casefold,

s.str.casefold()

0    der fluss
dtype: object

Також див. Python: lower () проти casefold () у збігу рядків та перетворенні в нижній регістр .

Можливо, використовується розуміння списку

import pandas as pd
import numpy as np
df=pd.DataFrame(['ONE','Two', np.nan],columns=['Name']})
df['Name'] = [str(i).lower() for i in df['Name']] 

print(df)

Застосувати лямбда-функцію

df['original_category'] = df['original_category'].apply(lambda x:x.lower())

Використовуйте функцію застосування,

Xlower = df['x'].apply(lambda x: x.upper()).head(10) 

скопіюйте стовпець Dataframe і просто застосуйте

df=data['x']
newdf=df.str.lower()