如何在Pandas DataFrame指定列的非空值后添加百分号？

你的问题出在column2列混合了数值类型与缺失值（None/NaN），直接使用df['column2'] += '%'会因类型不兼容触发报错——数字无法直接和字符串进行拼接，Pandas的广播机制也无法处理这种混合类型的操作。

以下是两种可行的解决方案：

方法一：使用apply针对性处理 #

这是最直观的方式，只对非缺失值添加%符号，保留缺失值原样：

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({'column1': [1,2,3], 'column2': [1, None, 2]})

# 处理column2列
df['column2'] = df['column2'].apply(lambda x: f"{x}%" if pd.notna(x) else x)

执行后得到的结果就是你预期的：

column1 column2
0        1      1%
1        2    None
2        3      2%

pd.notna(x)会判断当前值是否为非缺失值（包括识别None和NaN），满足条件则通过f-string将数值转为字符串并追加%，否则返回原缺失值。

方法二：先转字符串再修正缺失值 #

如果你的列中None已被Pandas转为NaN，转字符串后会变成'nan'，可以先转字符串再替换回None，之后追加%：

df['column2'] = df['column2'].astype(str).replace('nan', None)
df['column2'] = df['column2'].apply(lambda x: x + '%' if x is not None else x)

这种方法适合需要先统一列类型的场景，但相比方法一稍显繁琐。

内容的提问来源于stack exchange，提问作者sruthi