Pandas全None列使用numpy.where时触发TypeError问题

有一个Pandas DataFrame，列中包含float、nan或None值，需要按以下规则格式化列：

• float类型值转为保留两位小数的字符串
• nan/None转为空字符串

该逻辑在包含有效数值的列上可以正常运行，但当列全为None时，numpy.where无法正确跳过无效分支计算，导致None被传入round函数触发TypeError。

代码示例 #

import pandas as pd
import numpy as np

df = pd.DataFrame().from_dict(
    {"A": [0.1, 0.2423423, 0.345345, None, np.nan], "B": [None, None, None, None, None]}
)
print("1- df :\n", df)
df.iloc[3, 0] = None
print("2- df :\n", df)
print("df.dtypes : \n", df.dtypes)

print("df.isnull() : \n", df.isnull())

df["formatted_A"] = np.where(
    (df["A"].isnull()) | (df["A"].fillna(-999.9) < 0) | (df["A"].astype(str) == ""),
    "",
    df["A"].round(2).astype(str),
)
print("Formatted A- df :\n", df)
df["formatted_B"] = np.where(
    (df["B"].isnull()) | (df["B"].fillna(-999.9) < 0) | (df["B"].astype(str) == ""),
    "",
    df["B"].round(2).astype(str),
)
print("Formatted B- df :\n", df)

错误信息 #

File "c:\....\dataframe_none_nan_test.py", line 24, in <module>
    df["B"].round(2).astype(str),  ####
  File "C:\....\lib\site-packages\pandas\core\series.py", line 2569, in round
    result = self._values.round(decimals)
TypeError: unsupported operand type(s) for *: 'NoneType' and 'float'

预期结果 #

通过掩码判断，将全None列直接转为全空字符串列。

numpy.where的执行逻辑是先计算所有分支的结果数组，再根据掩码选择对应元素。也就是说，即使掩码全为True（全列都是null），它依然会执行df["B"].round(2).astype(str)这一分支的代码。

当列全为None时，该列的dtype为object，直接调用round()方法会试图对NoneType值执行数值运算，从而触发类型错误。

以下是几种可行的修复方案：

方案1：先将列转为数值类型（自动处理None为nan） #

使用pd.to_numeric将列转为数值类型，把None自动转为nan，这样即使全列都是空值，也会是float64类型，调用round()不会报错：

df["formatted_B"] = np.where(
    (df["B"].isnull()) | (df["B"].fillna(-999.9) < 0) | (df["B"].astype(str) == ""),
    "",
    pd.to_numeric(df["B"], errors="coerce").round(2).astype(str),
)

方案2：使用Pandas原生where方法（惰性计算） #

Pandas的Series.where方法是基于掩码惰性计算的，只有当掩码为False时才会执行对应操作，避免无效计算：

# 先处理数值转字符串，再用where替换空值为""
df["formatted_B"] = pd.to_numeric(df["B"], errors="coerce").round(2).astype(str).where(
    ~(df["B"].isnull() | (df["B"].fillna(-999.9) < 0) | (df["B"].astype(str) == "")),
    ""
)

方案3：逐元素自定义处理（apply） #

通过apply遍历每个元素，针对性处理各类情况：

def format_col(x):
    if pd.isnull(x) or (isinstance(x, (int, float)) and x < 0) or str(x).strip() == "":
        return ""
    try:
        return f"{round(float(x), 2):.2f}"
    except:
        return ""

df["formatted_B"] = df["B"].apply(format_col)

方案4：先判断列是否全为空，直接赋值 #

如果需要针对全空列做特殊处理，可以先判断列是否所有值都满足空值条件，直接批量赋值空字符串：

mask = (df["B"].isnull()) | (df["B"].fillna(-999.9) < 0) | (df["B"].astype(str) == "")
if mask.all():
    df["formatted_B"] = ""
else:
    df["formatted_B"] = np.where(mask, "", df["B"].round(2).astype(str))

内容的提问来源于stack exchange，提问作者user867375