如何在含缺失值的Python DataFrame中仅对非空行解码base64

错误原因 #

你写的lambda函数犯了核心错误：在判断和返回值时误用了整个df['val_string']列，而非当前行的元素x。pd.isna(df['val_string'])会返回一个布尔Series，而非单个布尔值，这和后续的解码操作逻辑冲突，因此触发了异常。

正确实现方式 #

方法1：修正lambda逻辑

直接针对每个元素x做判断，同时注意base64.b64decode返回的是字节对象，通常需要解码为字符串：

import pandas as pd
import base64

# 修正后的代码
df['val_string'] = df['val_string'].apply(lambda x: x if pd.isna(x) else base64.b64decode(x).decode('utf-8'))

执行后结果会变成：

base_type   val_int val_string
0     integer        34        NaN
1      string       NaN    string1
2     integer       108        NaN
3     integer      3586        NaN
4      string       NaN    string2

方法2：用掩码定位处理（更高效）

先筛选出非NaN的行，再针对性解码，避免对所有行做判断：

mask = df['val_string'].notna()
df.loc[mask, 'val_string'] = df.loc[mask, 'val_string'].apply(lambda x: base64.b64decode(x).decode('utf-8'))

这种方式在数据量较大时性能更优，因为只处理需要解码的行。

内容的提问来源于stack exchange，提问作者Jay