Pandas报错AttributeError: 'float' object has no attribute 'isnull'如何解决？

• 报错核心是iterrows()返回的行中单个字段为原生float类型，空值对应NaN，原生float没有isnull()方法，isnull()是pandas复合对象（Series/ DataFrame）的专属方法。
• 额外隐藏问题：直接修改row对象不会同步更新原DataFrame，因为iterrows()返回的是行数据的拷贝而非视图。

将空值判断替换为pandas通用的空值检测函数pd.isna()/pd.notna()，同时通过df.loc直接修改原DataFrame：

import pandas as pd

for index, row in df.iterrows():
    # 补全TMIN：TAVG、TMAX非空，TMIN为空时计算填充
    if pd.isna(row["TMIN"]) and pd.notna(row["TAVG"]) and pd.notna(row["TMAX"]):
        df.loc[index, "TMIN"] = 2 * row["TAVG"] - row["TMAX"]
    # 补全TMAX：TAVG、TMIN非空，TMAX为空时计算填充
    if pd.isna(row["TMAX"]) and pd.notna(row["TMIN"]) and pd.notna(row["TAVG"]):
        df.loc[index, "TMAX"] = 2 * row["TAVG"] - row["TMIN"]
    # 补全TAVG：TMIN、TMAX非空，TAVG为空时计算填充
    if pd.isna(row["TAVG"]) and pd.notna(row["TMIN"]) and pd.notna(row["TMAX"]):
        df.loc[index, "TAVG"] = (row["TMIN"] + row["TMAX"]) / 2

无需循环，直接使用pandas内置的向量化操作实现相同效果，性能远高于逐行遍历，适合大数据量场景：

import pandas as pd

# 优先补全TAVG：TMIN和TMAX都非空时用平均值填充空值
df['TAVG'] = df['TAVG'].fillna((df['TMIN'] + df['TMAX']) / 2)
# 补全TMIN：TAVG和TMAX都非空时用公式计算填充空值
df['TMIN'] = df['TMIN'].fillna(2 * df['TAVG'] - df['TMAX'])
# 补全TMAX：TAVG和TMIN都非空时用公式计算填充空值
df['TMAX'] = df['TMAX'].fillna(2 * df['TAVG'] - df['TMIN'])

该方案逻辑和原有需求完全一致：只有当另外两个温度值都非空时，才会计算填充空值，其余情况会保留原始空值。

内容的提问来源于stack exchange，提问作者RoshADM