如何在列表推导式中添加条件处理Pandas中的NaN值？

现有如下Pandas数据集：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'name': ['John','William', 'Nancy', 'Susan', 'Robert', 'Lucy', 'Blake', 'Sally', 'Bruce', 'Mike', 'Jeff'],
    'injury': ['right hand broken', 'lacerated left foot', 'foot broken', 'right foot fractured', '', 'sprained finger', 'chest pain', 'swelling in arm', 'laceration to arms, hands, and foot', np.NaN, 'swollen cheek']
})

数据集内容：

尝试将损伤信息简化为指定身体部位，使用以下代码：

selected_words = ["hand", "foot", "finger", "chest", "arms", "arm", "hands"]

df["injury"] = (
    df["injury"]
    .str.replace(",", "")
    .str.split(" ", expand=False)
    .apply(lambda x: ", ".join(set([i for i in x if i in selected_words])))
)

处理索引9的NaN值时抛出错误：

TypeError: 'float' object is not iterable

需求：

1. 正确识别所有NaN值
2. 空行或未包含指定身体部位的行（如索引10）输出NaN

期望输出：

尝试过的错误代码：

.apply(lambda x: ", ".join(set([i for i in x if i in selected_words and i is not np.nan else np.nan])))

问题核心是NaN为float类型无法被迭代，且空字符串与NaN的空值逻辑不统一，修正后的代码如下：

import pandas as pd
import numpy as np

selected_words = ["hand", "foot", "finger", "chest", "arms", "arm", "hands"]
# 先将空字符串转为NaN，统一空值处理逻辑
df["injury"] = df["injury"].replace("", np.nan)

df["injury"] = (
    df["injury"]
    # 仅对非NaN值执行字符串拆分操作
    .apply(lambda x: x.replace(",", "").split(" ") if pd.notna(x) else x)
    .apply(lambda x: 
           # 过滤指定部位、去重后拼接
           ", ".join(set([word for word in x if word in selected_words])) 
           if pd.notna(x) and len([word for word in x if word in selected_words]) > 0 
           else np.nan)
)

代码说明 #

1. 统一空值：将原数据中的空字符串转为NaN，避免后续区分两种空值情况；
2. 跳过NaN处理：通过pd.notna(x)判断，仅对非NaN值执行字符串替换、拆分操作，NaN直接返回；
3. 过滤与空值判断：拆分后的列表先过滤出目标身体部位，若过滤结果为空（无匹配部位），则返回NaN，否则拼接去重后的结果；
4. 去重逻辑：使用set自动去重，保证每个身体部位只出现一次。

执行后即可得到符合要求的输出结果。

内容的提问来源于stack exchange，提问作者equanimity