DataFrame合并字符串列表忽略NaN时报TypeError，求错误原因

我有一个DataFrame的id列，包含字符串列表和NaN值，想要合并每个列表里的字符串同时跳过NaN值，尝试用df.loc、Series.notnull()和Series.apply()实现，但收到错误：TypeError: can only join an iterable.

创建DataFrame的代码：

import pandas as pd
import numpy as np

data = {'id': [['54930058LIMFSJIOLQ48'], np.nan, ['5493006B6WMKNQ8QNP51 254900425JAG3QVRMM28']]}
df = pd.DataFrame(data)

生成的DataFrame：

id
0  [54930058LIMFSJIOLQ48]
1                    NaN
2  [5493006B6WMKNQ8QNP51 254900425JAG3QVRMM28]

我使用的报错代码：

df.loc[df['id'].notnull(), 'id'] = df['id'].apply(lambda x: ', '.join(x))

错误原因 #

• 核心问题是df['id'].apply(...)会遍历整个列的所有元素，包括NaN值。当x取到NaN时，', '.join(x)会直接报错——因为NaN不是可迭代对象，而join方法要求传入列表这类可迭代类型。
• 虽然你用df.loc[df['id'].notnull()]筛选了要赋值的行，但右边的apply是对全列操作的，依然会处理到NaN，触发错误。

解决方法 #

方法一：在apply中加入非空判断 #

在lambda表达式里先检查x是否为NaN，仅对非NaN值执行合并操作：

df['id'] = df['id'].apply(lambda x: ', '.join(x) if pd.notnull(x) else x)

方法二：仅对非NaN行执行apply #

先筛选出非NaN的行，再对这部分行单独执行apply，避免处理NaN：

mask = df['id'].notnull()
df.loc[mask, 'id'] = df.loc[mask, 'id'].apply(lambda x: ', '.join(x))

两种方法执行后，结果均为：

id
0  54930058LIMFSJIOLQ48
1                   NaN
2  5493006B6WMKNQ8QNP51 254900425JAG3QVRMM28

内容的提问来源于stack exchange，提问作者shujufenxishi