Pandas DataFrame中对列应用函数时跳过NaN值的问题

问题场景 #

原始数据：

预期输出：

需求：对Confianza列按规则映射文本标签，同时保留原有的NaN值（不删除对应行）。

现有代码尝试添加NaN判断时，触发错误：The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().，错误代码片段：

elif ( df5['Confianza'] != notnull):
      return NaN

错误原因 #

1. NaN判断方式错误：notnull是Pandas的全局函数，不能直接用!= notnull判断单个值是否为NaN，正确方式是用pd.isna()或np.isnan()。
2. 行处理逻辑错误：apply(axis=1)是逐行传入单行数据（Series），但代码中仍用df5['Confianza']引用整列，导致返回布尔Series，触发歧义错误。

解决方案 #

方法1：修正自定义逐行处理函数 #

先导入依赖库，然后调整函数逻辑，优先判断NaN：

import pandas as pd

def condiciones(row):
    # 先判断当前行的Confianza是否为NaN
    if pd.isna(row['Confianza']):
        return pd.NA
    elif row['Confianza'] > 4:
        return "Alta"
    elif row['Confianza'] == 4:
        return "Media"
    else:
        return "Baja"

# 应用函数到列
df5['Confianza'] = df5.apply(condiciones, axis=1)

方法2：用np.select实现高效映射（推荐） #

对于数值区间映射场景，np.select比apply效率更高，且天然保留NaN：

import pandas as pd
import numpy as np

# 定义映射条件和对应标签
conditions = [
    df5['Confianza'] > 4,
    df5['Confianza'] == 4,
    df5['Confianza'] < 4
]
choices = ['Alta', 'Media', 'Baja']

# 执行映射，不满足条件的（含NaN）返回默认值pd.NA
df5['Confianza'] = np.select(conditions, choices, default=pd.NA)

方法3：用pd.cut实现区间划分 #

适合连续数值的区间映射，通过参数配置匹配需求：

import pandas as pd

# 先备份原始数值列，避免覆盖后无法判断等于4的情况
df5['Confianza_original'] = df5['Confianza']

# 定义区间边界和标签，right=False表示左闭右开
df5['Confianza'] = pd.cut(
    df5['Confianza_original'],
    bins=[-float('inf'), 4, float('inf')],
    labels=['Baja', 'Alta'],
    right=False
)
# 单独处理等于4的情况
df5.loc[df5['Confianza_original'] == 4, 'Confianza'] = 'Media'

# 可选：删除备份列
df5.drop('Confianza_original', axis=1, inplace=True)

内容的提问来源于stack exchange，提问作者SERGIO