代码报错‘Series' object is not callable’的原因及解决咨询

一、错误分析 #

• 'Series' object is not callable 报错原因：代码中df.iloc[n]返回的是DataFrame的第n行（Series类型），后续加(axis=0)是试图把Series当作函数调用，属于语法错误。实际需要获取的是当前行对应列的单元格值，而非整行。
• 变量n的逻辑错误：n在循环中持续累加，处理完第一行后n会超出列数范围，导致后续行无法正确访问列数据。
• NaN判断失效：用df.iloc[i, n] != np.nan无法正确识别NaN，因为NaN与任何值比较结果都是False，必须用pd.notna()或np.isnan()进行判断。
• 拼接字符串未重置：item_str在处理新行时未清空，会累计所有行的内容，无法实现每行单独拼接的需求。
• 未达成核心需求：函数既没有返回拼接结果，也未给原DataFrame添加新列，完全没实现“将结果存入新列”的目标。

二、修正后的基础代码 #

import pandas as pd
import numpy as np

def item_total(df):
    # 初始化存储结果的新列
    df['拼接结果'] = ''
    # 获取总列数
    col_count = df.shape[1]
    
    for idx in df.index:
        current_row_str = ''
        for col_idx in range(col_count):
            cell_val = df.iloc[idx, col_idx]
            # 正确判断非NaN值并拼接
            if pd.notna(cell_val):
                current_row_str += str(cell_val)
        # 将当前行的拼接结果写入新列
        df.loc[idx, '拼接结果'] = current_row_str
    return df

# 测试示例
if __name__ == '__main__':
    test_df = pd.DataFrame({
        'A': [1, np.nan, 3],
        'B': ['x', 'y', np.nan],
        'C': [np.nan, 4.5, 'z']
    })
    result_df = item_total(test_df)
    print(result_df)

三、更高效的Pandas向量化实现 #

循环方法在数据量大时效率偏低，推荐用Pandas原生的apply方法结合字符串拼接，代码更简洁且性能更优：

import pandas as pd
import numpy as np

def item_total(df):
    # 对每行执行：过滤NaN→转字符串→拼接
    df['拼接结果'] = df.apply(
        lambda row: ''.join(str(val) for val in row if pd.notna(val)),
        axis=1
    )
    return df

# 测试示例
test_df = pd.DataFrame({
    'A': [1, np.nan, 3],
    'B': ['x', 'y', np.nan],
    'C': [np.nan, 4.5, 'z']
})
result_df = item_total(test_df)
print(result_df)

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