Pandas处理空值时数据长度计算错误的解决及单行实现问询

我尝试从Pandas DataFrame的某列中找出最长值及其长度。该列存储严格为2位的国家代码，无空字符串或空格，但可能存在缺失值。示例数据如下：

col
US
RU
None

我的代码如下：

max_data_len = df_copy[col].astype(str).str.len().max()
longest_value = df_copy[col].iloc[df_copy[col].astype(str).str.len().idxmax()]
print(max_data_len)
print(longest_value)

实际输出为：

4
None

而我预期的结果是：

2
'US'

请问需要如何调整才能得到预期结果，是否可以用单行代码返回最长值及其长度？

问题根源 #

你的代码未过滤无效值：示例中的None是字符串类型，长度为4，会被astype(str).str.len()计算为4，成为当前最大值，导致结果偏离预期。如果是Pandas原生的缺失值NaN，转为字符串后是'NaN'（长度3），同样会干扰计算。

分步修正代码 #

先过滤缺失值及字符串形式的None，再计算最长值和长度：

# 过滤Pandas缺失值和字符串'None'
filtered_col = df_copy[col].dropna()[df_copy[col].dropna() != 'None']

# 计算最长长度和对应值
max_data_len = filtered_col.str.len().max()
longest_value = filtered_col.iloc[filtered_col.str.len().idxmax()]

print(max_data_len)
print(longest_value)

运行后即可得到预期的2和'US'（若有多个长度为2的有效值，idxmax()会返回第一个出现的）。

单行代码实现 #

通过链式调用实现一行返回结果：

max_len, longest_val = (df_copy[col]
                        .dropna()
                        .loc[lambda x: x != 'None']
                        .pipe(lambda s: (s.str.len().max(), s.iloc[s.str.len().idxmax()])))

print(max_len)
print(longest_val)

如果你的数据中只有Pandas原生NaN（无字符串'None'），可简化为：

max_len, longest_val = (df_copy[col]
                        .dropna()
                        .pipe(lambda s: (s.str.len().max(), s.iloc[s.str.len().idxmax()])))

补充说明 #

由于所有有效国家代码都是固定2位，过滤无效值后，最长长度必然为2，任意有效代码都符合预期结果，idxmax()会取第一个出现的有效值。

内容的提问来源于stack exchange，提问作者szheng