ufunc 'add'类型不匹配错误：DataFrame全NaN时的Excel读取问题

我有一个DataFrame，部分列含有效值、部分列值为NaN（本质是float类型）。我循环遍历describe和referring列，若某行存在文件名，则读取对应Excel文件并填充DataFrame指定列。代码如下：

for i in range(0,len(table_names)):
    if type(table_names['referring'][i])!=float:
        a = table_names['referring'][i] #if the referring column row has some value, take that value
        b = table_names['columns'][i]   #take the row name from `columns` column
        a = a + '.xlsx'    #this will make the file name which i need to refer to populate data
        product_name = pd.read_excel(a)  #read the file
        product_name = product_name.values.tolist()
        df[b] = product_name    #populate the particular column with the content of the file we just read

但当referring和describe列所有值均为NaN时，执行a = a + '.xlsx'会触发错误：

numpy.core._exceptions._UFuncNoLoopError: ufunc 'add' did not contain a loop with signature matching types (dtype('float64'), ftype('<U5')) -> None

参考过相关问题，但类型转换方案不适用于生成文件名的场景，特此求助。

核心问题 #

你用type(table_names['referring'][i])!=float判断NaN的方式存在漏洞——当referring列全为NaN时，pandas会将整列转为float类型，此时即便进入判断分支，a拿到的仍是float类型的NaN，和字符串拼接必然报错。

改进后的代码 #

直接用pandas原生的pd.notna()判断非空值，同时用iterrows()遍历行数据，更简洁可靠：

for idx, row in table_names.iterrows():
    # 精准判断referring单元格是否非空
    if pd.notna(row['referring']):
        # 强制转字符串，彻底避免类型问题
        a = str(row['referring']) + '.xlsx'
        b = row['columns']
        product_name = pd.read_excel(a)
        # 明确取Excel第一列数据，保证和df行数匹配
        df[b] = product_name.iloc[:, 0].values

额外优化说明 #

• 类型安全：强制把row['referring']转为字符串，杜绝隐式类型转换引发的异常
• 遍历效率：iterrows()直接迭代每行数据，无需手动处理索引，减少出错概率
• 数据对齐：用iloc[:,0]指定取Excel的第一列数据，避免因Excel多列导致的维度不匹配问题

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