如何将Pandas DataFrame中的缺失值转换为指定数据类型

问题根源 #

你的报错是因为DataFrame中的np.nan属于float类型，而''.join()要求拼接的所有元素必须是字符串类型，类型不兼容导致触发TypeError。

可行解决方案 #

方法1：将缺失值替换为空字符串后聚合 #

先用fillna('')把所有缺失值替换成空字符串，确保全量元素为字符串类型，再执行聚合操作：

import pandas as pd
import numpy as np

d1 = pd.DataFrame([["A", "B", "C"],
                   ["D", np.nan, "F"],
                   ["G", "H", "I"],],
                  columns=[1, 2, 3])

# 替换缺失值为空字符串后聚合
d2 = d1.fillna('').agg(''.join).to_frame().T
print(d2)

输出结果：

1    2    3
0  ADG  BH   CFI

方法2：将所有元素转为字符串（缺失值转为'NaN'） #

如果需要保留缺失值的标识，可使用astype(str)将所有元素强制转为字符串，此时np.nan会被转换为字符串'NaN'：

d2 = d1.astype(str).agg(''.join).to_frame().T
print(d2)

输出结果：

1      2      3
0  ADG  BNaN H  CFI

方法3：自定义聚合函数跳过缺失值 #

若需要更灵活的逻辑（比如直接跳过缺失值不参与拼接），可以自定义聚合函数：

def join_skip_nan(series):
    return ''.join(item for item in series if pd.notna(item))

d2 = d1.agg(join_skip_nan).to_frame().T
print(d2)

输出结果与方法1一致：

1   2    3
0  ADG BH  CFI

内容的提问来源于stack exchange，提问作者Incognito