Pandas字符串列非NaN值变量递增失效问题排查

你的第二个if语句失效的核心原因是对NaN值的处理错误：当列值为NaN时，str(row["Service Médical "])会返回字符串"nan"而非空字符串""，这会导致条件str(...) != ""在值为NaN时误判为True；而如果列值是空字符串""，该条件又会误判为False，完全不符合你“值不为NaN时递增”的需求。

此外，直接通过row对象修改值的方式在apply中并非最优实现，还容易出现隐式错误。

import pandas as pd

def indicateur_iov2(row):
    # 初始化IOV2为指定数值列的求和结果
    row["IOV2"] = (
        row["Bon alimentaire"]
        + row["Bon Hygiène"]
        + row["Ticket Hammam / Pour les personnes en rue "]
        + row["Ticket Restaurant / Pour les personnes en rue "]
        + row["Kits cuisine / Pour les personnes avec un hébergement"]
    )

    # 检查Kit couchage列值是否为"Oui"
    if row["Kit couchage / Pour les personnes avec un hébergement"] == "Oui":
        row["IOV2"] += 1.0

    # 正确判断Service Médical列不为NaN
    if pd.notna(row["Service Médical "]):
        row["IOV2"] += 1.0

    # 正确判断Service Psychosociale列不为NaN
    if pd.notna(row["Service Psychosociale "]):
        row["IOV2"] += 1.0

    return row["IOV2"]

如果你的实际需求是值不为NaN且非空字符串时才递增，可将判断条件调整为：

if pd.notna(row["Service Médical "]) and row["Service Médical "] != "":
    row["IOV2"] += 1.0

使用Pandas的矢量化操作替代apply，速度更快且代码更简洁，尤其适合大数据集：

# 初始化IOV2为指定数值列的求和结果
df["IOV2"] = (
    df["Bon alimentaire"]
    + df["Bon Hygiène"]
    + df["Ticket Hammam / Pour les personnes en rue "]
    + df["Ticket Restaurant / Pour les personnes en rue "]
    + df["Kits cuisine / Pour les personnes avec un hébergement"]
)

# 针对Kit couchage列的条件递增
df.loc[df["Kit couchage / Pour les personnes avec un hébergement"] == "Oui", "IOV2"] += 1.0

# 针对Service Médical列不为NaN的条件递增
df.loc[pd.notna(df["Service Médical "]), "IOV2"] += 1.0

# 针对Service Psychosociale列不为NaN的条件递增
df.loc[pd.notna(df["Service Psychosociale "]), "IOV2"] += 1.0

• 核对列名一致性：你的代码中部分列名带有末尾空格（如"Service Médical "），需确保DataFrame中的实际列名与代码完全匹配，否则会因取到NaN值导致条件判断失效。
• 确认数值列类型：确保Bon alimentaire等列是int/float类型，否则求和操作会变成字符串拼接而非数值相加，引发计算错误。

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