根据存储在多个列中的字符串更改值，但要单独更改

Question

假设我有一个包含四列的数据框架:a, B, C, d。这些列包含字符串数据，也可以是空的。我需要将这些值中的每一个更改为一个类别:Yes、No或Unknown，这取决于每个字符串中是否存在某些子字符串。每次比较仅基于每个单元格的值(其他列的内容无关紧要)。

我有一个函数str2cat，它处理逻辑并假设它接收的参数(s)是字符串或None。为了一个MWE:

def str2cat(s):
if not s or s is None or s.strip() == '': 
return "Some Category"
if "some string" in s.str.lower():
return "Another Category"
return "Default Category"

我目前在每个列中应用我想要的值，像这样:

df["A"] = df["A"].astype(str)
df["B"] = df["B"].astype(str)
df["C"] = df["C"].astype(str)
df["D"] = df["D"].astype(str)
df["A"] = df["A"].apply(str2cat)
df["B"] = df["B"].apply(str2cat)
df["C"] = df["C"].apply(str2cat)
df["D"] = df["D"].apply(str2cat)

这一切都很好，工作也很好。但它假设只有4列。假设我有不想应用此函数的其他列，并且我希望使用此函数针对许多列。我的想法是，我可以列出目标列，然后只将我的函数apply到这些列:

targeted_cols = ["A", "B", "C", "D"]
df[targeted_cols] = df[targeted_cols].astype(str)
df[targeted_cols] = df[targeted_cols].apply(str2cat)

但这不起作用。我得到关于The truth value of a Series is ambiguous的错误。我试着在我的apply函数中添加axis=1，但无济于事。我试着让我的函数处理多个参数，并有类似的错误。我想也许lambda函数可以解包该系列并每次向函数提供一个值，但没有运气。

一定有更好的方法来做这件事。

Answer 1

在不查看数据的情况下很难说这是否有效，但如果您只是希望将函数应用于所有列，则下面的循环应该可以满足您的需求:

for col in df.columns:
df[col] = df[col].astype(str).apply(str2cat)