执行Pandas代码时遭遇“cannot unpack non-iterable NoneType object”错误

错误原因 #

你的代码有两个核心问题引发报错：

1. 列访问语法错误：df2.i是直接访问名为i的列，但你的i是动态变量（值为etl_id或claim_number），变量式列访问必须用方括号df2[i]。
2. 列表混入无效值：df1[i].where(flt)会保留原DataFrame的所有行索引，不满足flt条件的位置会填充NaN，转成列表后ls里会包含NaN，后续isin判断时可能触发异常。

修正后的代码 #

i='etl_id'  # 可动态切换为'claim_number'
flt = df1['_merge'] == 'left'
# 直接筛选满足条件的行，提取目标列并生成无NaN的列表
ls = df1.loc[flt, i].tolist()
# 通过变量访问列，反向筛选排除匹配行
df2 = df2[~df2[i].isin(ls)]

更简洁的替代写法 #

写法1：一步筛选目标值并过滤 #

i='etl_id'
# 获取df1中_merge为left的目标列值，自动排除NaN并去重
target_values = df1[df1['_merge'] == 'left'][i].dropna().unique()
# 过滤df2中不在目标值范围内的行
df2 = df2[~df2[i].isin(target_values)]

写法2：用Merge标记待删除行 #

如果需要保留关联校验信息，可通过合并操作标记待删除记录：

i='etl_id'
# 仅保留df1中用于匹配的列和_merge标记
df1_filtered = df1[df1['_merge'] == 'left'][['_merge', i]]
# 左连接df2与筛选后的df1，标记匹配状态
merged_df = df2.merge(df1_filtered, on=i, how='left', suffixes=('', '_y'))
# 保留未匹配到的行（即无需删除的行），清理多余列
df2 = merged_df[merged_df['_merge_y'].isna()].drop(columns=['_merge_y'])

内容的提问来源于stack exchange，提问作者Anurag Gupta