#在对pandas中的dataframe进行apply操作时，经常会遇到某列中存在nan值的情况,需要先进行判断找出这样的值再进行分情况处理。
# None是一个对象，而NULL是一个类型。
# Python中没有NULL，只有None，None有自己的特殊类型NoneType。
# None 是 NoneType 数据类型的唯一值（其他编程语言可能称这个值为 null、nil 或 undefined），也就是说，我们不能再创建其它 NoneType 类型的变量，#但是可以将 None 赋值给任何变量。如果希望变量中存储的东西不与任何其它值混淆，就可以使用 None。




#*****************************************************************
# 需求：python的DataFrame 中根据两列 列1 和列2 来生成列3 ，具体为如果列1为空则列3值为A  否则 列1>列2 生成B   再否则列2<=列1 列3生成C。

import  pandas as pd
import  numpy as np

def function(df):
    # if df['col1'].isnull():    #不行
    # if df['col1']==None:       #不行
    # if df['col1'] in None:     #不行
    # if df['col1'] == "":       #不行
    if pd.isnull(df['col1']):

        return 'A'
    elif df['col1'] > df['col2']:
        return 'B'
    elif df['col1'] <= df['col2']:
        return 'C'


col1=[60,None,20,24,50,40,65,50,36,50]
col2=[51,40,41,25,51,41,36,51,37,51]
df=pd.DataFrame({"col1":col1,"col2":col2})
# df=df.fillna()
df['col3'] = df.apply(function, axis=1)
print(df)
print("*"*50)
exit()

#****************************************************************************************************
col1  col2 col3
0  60.0    51    B
1   NaN   40    A
2  20.0    41    C
3  24.0    25    C
4  50.0    51    C
5  40.0    41    C
6  65.0    36    B
7  50.0    51    C
8  36.0    37    C
9  50.0    51    C
**************************************************

Process finished with exit code 0