如何判断DataFrame迭代行中索引10的元素是否为NaN？原方法失效

为什么原判断无效？ #

Pandas里的NaN是特殊的浮点值，它不等于任何值（包括自身），但NaN != None的结果为True——因为NaN是一个实际存在的浮点值，并非None。所以你的原判断会把NaN当成非缺失值，进入if分支执行split，但NaN没有split方法，自然会报错。

正确的判断方法 #

用Pandas提供的专门判断缺失值的函数：

• pd.notna()：判断元素不是缺失值（包括NaN、NaT等）
• pd.isna()：判断元素是缺失值，取反后也能达到效果

修改后的代码：

import pandas as pd

i=0
for row in df.iterrows():
    if pd.notna(row[1][10]):
        names = row[1][10].split(',')
        for name in names:
            df2.loc[i,:] = row[1][:]
            i=i+1
    else:
        i=i+1

更高效的替代方案 #

iterrows遍历效率较低，数据量大时推荐用Pandas的矢量化操作替代循环：

# 复制原数据
df2 = df.copy()
# 假设索引10的列名为'names'，替换成实际列名
target_col = df.columns[10]
# 拆分非NaN的单元格为列表
df2[target_col] = df2[target_col].str.split(',')
# 将列表展开为多行
df2 = df2.explode(target_col).reset_index(drop=True)

这种方法无需手动维护索引i，代码更简洁，执行效率也更高。

内容的提问来源于stack exchange，提问作者Samir112