遍历DataFrame的Age列时跳过NA值并生成Is_age列的解决方案求助

需要遍历DataFrame的Age列，根据Age值的位数判断生成新列Is_age：

• 位数大于2 → Is_age设为'No'
• 位数≤2 → Is_age设为'Yes'
• 空值（NA）→ Is_age设为'other'

示例数据：

Age
23
25
<NA>
28
<NA>

尝试的代码：

Count=0
for i, j in df['Age'].iterrows():
   if j==None:
      df['Is_age']=='other'
   else:
      while(j!=None):
         for k in j:
            Count+=1
         if(Count>2):
            df['Is_age']=='No'
         else:
            df['Is_age']=='Yes'

报错信息：

TypeError: 'NAType' object is not iterable

方法一：向量化操作（推荐，高效简洁） #

Pandas的核心优势是向量化操作，避免手动循环，代码更高效易维护：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({'Age': [23, 25, pd.NA, 28, pd.NA]})

# 1. 初始化新列为空值对应的'other'
df['Is_age'] = 'other'

# 2. 筛选非空值行，判断位数并赋值
non_na_mask = df['Age'].notna()
df.loc[non_na_mask, 'Is_age'] = df.loc[non_na_mask, 'Age'].astype(str).str.len().apply(lambda x: 'No' if x>2 else 'Yes')

运行结果：

Age Is_age
0   23    Yes
1   25    Yes
2  NaN  other
3   28    Yes
4  NaN  other

方法二：手动循环（仅作理解用，不推荐） #

如果一定要用循环，修正后的代码如下：

import pandas as pd

df = pd.DataFrame({'Age': [23, 25, pd.NA, 28, pd.NA]})
df['Is_age'] = ''  # 初始化新列

for idx, age in df['Age'].items():
    if pd.isna(age):
        df.loc[idx, 'Is_age'] = 'other'
    else:
        # 转字符串后判断长度
        age_str = str(age)
        df.loc[idx, 'Is_age'] = 'No' if len(age_str) > 2 else 'Yes'

关键修正说明 #

• 用pd.isna()判断Pandas空值，替代j==None（Pandas空值为pd.NA，不是Python原生None）
• 将数值转为字符串后用len()判断位数，避免直接遍历数值的错误
• 用df.loc[idx, 'Is_age']给指定行赋值，替代原代码中错误的比较操作（==）
• 移除多余的while循环和全局Count变量，保证每行独立判断

内容的提问来源于stack exchange，提问作者Shital