Pandas条件替换DataFrame列值时遭遇TypeError类型错误求助

问题根源 #

报错TypeError: '<' not supported between instances of 'str' and 'float'的核心原因有两个：

1. age_cat列存在缺失值（NaN）：NaN属于float类型，即便用astype(str)转换，NaN会被转为字符串"nan"，若后续代码对age_cat有数值比较操作（比如筛选age_cat < 3），就会触发字符串与float的类型冲突。
2. 条件匹配可能不生效：你的示例数据中report_stillbirth取值是中文"是"/"否"，但代码中用的是英文"Yes"，这会导致替换逻辑根本没执行，age_cat仍保留整数+NaN的混合类型，引发后续错误。

修复步骤 #

步骤1：统一条件匹配的字符串 #

先确认数据中report_stillbirth的实际取值，将条件改为匹配中文：

# 用中文"是"匹配数据中的对应值
mask = df['report_stillbirth'] == "是"

步骤2：处理缺失值并转换类型 #

选择适合你业务的方式处理缺失值：

方式A：填充缺失值后转字符串

如果需要保留缺失行，用字符串标记缺失值：

# 填充NaN为自定义字符串（比如"未知"），再转成字符串类型
df['age_cat'] = df['age_cat'].fillna("未知").astype(str)
# 执行替换
df.loc[mask, 'age_cat'] = "SB"

方式B：删除含缺失值的行

如果缺失行无业务价值，直接删除：

# 删除age_cat列有缺失值的行
df = df.dropna(subset=['age_cat'])
# 转成字符串类型
df['age_cat'] = df['age_cat'].astype(str)
# 执行替换
df.loc[mask, 'age_cat'] = "SB"

验证结果 #

执行完上述代码后，检查age_cat的类型和取值：

# 查看列类型
print(df['age_cat'].dtype)
# 查看样本数据
print(df[['report_stillbirth', 'age_cat']].head())

内容的提问来源于stack exchange，提问作者Lamo