在Pandas函数中调用fillna报错‘float’无fillna属性的问题排查

错误原因 #

你使用df.apply(newVars, axis=1)时，apply会逐行处理数据，把每一行作为单个Series传入newVars函数。此时函数里的df[col]取到的是该行对应列的单个float数值，而单个数值没有fillna方法，因此触发'float' has no attribute 'fillna'错误。

你的需求是处理每一列生成多列，所以应该针对列而非行来操作。

解决方案 #

方案1：直接循环列处理（最直观） #

复制原DataFrame后，遍历每一列，对列数据生成对应的新列：

import pandas as pd

# 假设df是你的原始10列DataFrame
new_df = df.copy()

for col in df.columns:
    filled_col = df[col].fillna(0)
    # 生成填充缺失值的列
    new_df[f"{col}_filled"] = filled_col
    # 生成排名列
    new_df[f"{col}_rank"] = filled_col.rank()
    # 生成百分位排名列
    new_df[f"{col}_percentile"] = filled_col.rank(pct=True)
    # 生成减半列
    new_df[f"{col}_halved"] = df[col] / 2

每列生成4个新列，10列共生成40个新列，加上原10列，最终得到50列的DataFrame。

方案2：用自定义函数处理列（适配apply） #

如果想用apply处理列，需要修改函数适配列输入（传入的是列Series），并设置axis=0（按列处理）：

def newVars(col_series):
    col_name = col_series.name
    filled_col = col_series.fillna(0)
    # 返回该列对应的4个新列组成的Series
    return pd.Series(
        [filled_col, filled_col.rank(), filled_col.rank(pct=True), col_series/2],
        index=[f"{col_name}_filled", f"{col_name}_rank", f"{col_name}_percentile", f"{col_name}_halved"]
    )

# 按列应用函数，转置后拼接原DataFrame
new_cols = df.apply(newVars, axis=0).T
new_df = pd.concat([df, new_cols], axis=1)

内容的提问来源于stack exchange，提问作者Data Hawk