使用Pandas读取Excel并处理指定列追加字符串的技术问题

你的代码存在两个核心问题：

1. 遍历对象错误：你循环的是df.index（行索引），而非Phone列的实际值，这完全偏离了目标数据的处理范围。
2. NaN判断方式错误：直接调用value.isnull()会报错——因为NaN是float类型的缺失值，没有isnull()方法，应该用pandas提供的pd.isna()或pd.isnull()函数来判断。

推荐的高效实现（向量化操作，避免循环） #

pandas更适合批量处理数据，不用手动写循环，代码简洁且效率更高：

import pandas as pd

# 读取Excel文件
df = pd.read_excel('test.xlsx')

# 第一步：把所有NaN空值替换为空格
df['Phone'] = df['Phone'].fillna(' ')
# 第二步：对值为'yes'的单元格追加指定文本
df.loc[df['Phone'] == 'yes', 'Phone'] += ' - mobile'

# 生成新Excel文件（index=False表示不保存行索引）
df.to_excel('processed_test.xlsx', index=False)

如果你坚持用循环实现（仅作参考，不推荐） #

如果一定要用列表循环的方式，修正后的代码如下：

import pandas as pd

df = pd.read_excel('test.xlsx')
phone_values = df['Phone'].tolist()
processed_list = []

for value in phone_values:
    if pd.isna(value):
        processed_list.append(' ')
    elif value == 'yes':
        processed_list.append(f'{value} - mobile')
    else:
        processed_list.append(value)  # 其他值保持原样

# 将处理后的列表赋值回原列并保存
df['Phone'] = processed_list
df.to_excel('processed_test.xlsx', index=False)

关键要点说明 #

• fillna(' ')：一键批量替换列中所有NaN为空格，是pandas专门针对缺失值的优化操作。
• df.loc[条件, 列名]：精准定位符合条件的行，批量修改值，比手动循环减少出错概率，效率提升数倍。
• pd.isna(value)：通用的NaN判断方法，能识别所有类型的缺失值（包括float类型的NaN、numpy的nan等）。

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