如何将Pandas DataFrame列转为str类型且保留空值？

问题原因 #

• 使用astype(str)会把np.nan直接转为字符串'NaN'，导致空值统计为0；
• 用lambda x: np.nan if x is np.nan else str(x)失效，是因为Pandas中部分空值（如pd.NA）或特殊场景下，is运算符无法精准匹配np.nan。

可行解决方案 #

方案1：astype(str) + where 快速还原NaN

先将所有元素转字符串，再把原空值位置重新设为np.nan：

import pandas as pd
import numpy as np

df = pd.DataFrame({'column_original': [1, 2, np.nan, 6, 8, np.nan]})
df['column_object'] = df['column_original'].astype(str).where(df['column_original'].notna(), np.nan)

# 验证：空值数量=2，列类型为object
print(df['column_object'].isna().sum())
print(df['column_object'].dtype)

方案2：apply + pd.isna 精准判断空值

用pd.isna()替代x is np.nan，覆盖所有空值类型的判断：

df['column_object'] = df['column_original'].apply(lambda x: np.nan if pd.isna(x) else str(x))

# 验证结果
print(df['column_object'].isna().sum())
print(df['column_object'].dtype)

方案3：处理混合类型列（可选）

如果原列同时包含字符串、数值和空值，先统一转为数值型再处理：

# 非数值内容转为NaN，统一列类型
df['column_original'] = pd.to_numeric(df['column_original'], errors='coerce')
# 再转字符串+保留NaN
df['column_object'] = df['column_original'].apply(lambda x: np.nan if pd.isna(x) else str(x))

内容的提问来源于stack exchange，提问作者Ricardo Tompson Fioravante