Python pandas报错：TypeError: float类型不可迭代 求解决

错误TypeError: argument of type 'float' is not iterable的核心原因是：你的year或Contacts列中存在浮点型值（比如NaN空值），而in操作符只能用于字符串、列表这类可迭代对象，无法直接对float类型执行迭代判断。

解决方法 #

方法1：修正逐行判断逻辑（兼容空值） #

先对字段类型做校验，避免对非字符串类型执行in操作：

def correction_km(row):
    # 先判断year是否为字符串且包含2022
    year_valid = isinstance(row["year"], str) and '2022' in row["year"]
    # 判断Contacts是否为字符串且属于指定集合
    contacts_valid = isinstance(row["Contacts"], str) and row["Contacts"] in {'A', 'B', 'C'}
    
    if year_valid and contacts_valid:
        return row['km_correct']
    else:
        return row['km']

df['km'] = df.apply(correction_km, axis=1)

方法2：用向量化操作替代apply（更高效，推荐） #

pandas的向量化操作比逐行apply效率高得多，还能自动处理空值问题：

# 构建布尔过滤条件：year包含2022 且 Contacts是A/B/C
mask = (df['year'].astype(str).str.contains('2022')) & (df['Contacts'].isin(['A', 'B', 'C']))
# 满足条件时替换为修正值，否则保留原km
df['km'] = df['km'].where(~mask, df['km_correct'])

这里astype(str)强制把year转为字符串，避免浮点型值引发的错误；isin比多个or判断更简洁高效。

额外排查步骤 #

如果仍有问题，先检查数据类型和空值情况：

# 查看year、Contacts列的数据类型
print(df[['year', 'Contacts']].dtypes)
# 统计两列的空值数量
print(df[['year', 'Contacts']].isna().sum())

若空值较多，可先填充空值（比如用空字符串）：

df['year'] = df['year'].fillna('').astype(str)
df['Contacts'] = df['Contacts'].fillna('').astype(str)

内容的提问来源于stack exchange，提问作者Heltal