如何拼接包含NaN值的Pandas字符串列？

原始数据 #

import pandas as pd
import numpy as np

mydict = {
    'col1' : ['a', 'b', 'c'],
    'col2' : ['d', np.NaN, 'e'],
    'col3' : ['f', 'g', 'h']
}

mydf = pd.DataFrame(mydict)

尝试的错误代码 #

mydf['concat'] = mydf[['col1', 'col2', 'col3']].apply('-'.join, axis=1)

报错信息 #

TypeError: sequence item 0: expected str instance, float found

问题分析 #

报错核心原因是np.NaN属于float类型，而'-'.join()要求所有拼接元素必须是字符串类型；同时需求需要跳过缺失值，只保留非空字符串进行拼接。

解决方案 #

方法1：apply结合列表推导式过滤缺失值 #

遍历每行数据，先过滤掉NaN值，再对剩余字符串进行拼接：

mydf['concat'] = mydf[['col1', 'col2', 'col3']].apply(
    lambda x: '-'.join([val for val in x if pd.notna(val)]),
    axis=1
)

方法2：agg方法结合dropna过滤 #

利用dropna()直接移除每行的缺失值，再完成拼接：

mydf['concat'] = mydf[['col1', 'col2', 'col3']].agg(
    lambda x: '-'.join(x.dropna()),
    axis=1
)

最终结果 #

执行上述任意方法后，得到的DataFrame与期望一致：

concat_dict = {
    'col1' : ['a', 'b', 'c'],
    'col2' : ['d', np.NaN, 'e'],
    'col3' : ['f', 'g', 'h'],
    'concat' : ['a-d-f', 'b-g', 'c-e-h']
}
concat_df = pd.DataFrame(concat_dict)

内容的提问来源于stack exchange，提问作者NonSleeper