Python中DataFrame特定列行长度对比报错：TypeError问题排查

先给你拆解下这个报错的直接原因，再聊聊你代码里藏着的逻辑问题，最后给你个能实现需求的修正方案。

直接报错原因：数据中存在缺失值（NaN） #

你用lambda x: len(x)处理列值时，碰到了float类型的NaN（也就是空值）。在pandas里，缺失值会被默认存储为float类型的NaN，而float对象根本没有len()方法，所以一遇到它就会抛出这个TypeError。

你可以用df['message'].isna().sum()或者data['message'].isna().sum()快速查看对应列里有多少个缺失值。

代码里的额外逻辑问题 #

除了报错的问题，你这段代码的逻辑其实没达到你的需求：

• 你要的是对比同名用户的message长度，但现在是把两个DataFrame的列按索引位置直接对比，完全没关联name字段，根本不是按用户匹配的逻辑；
• 你写了data['name'].apply(lambda x: len(x))，但你明明应该对比的是message的长度，怎么跑到name列去了？这明显是手滑写错了。

修正后的代码示例 #

先处理缺失值，再按name匹配对比，这样就能实现你的需求：

# 1. 先过滤掉两个DF里message为空的行（也可以根据需求用fillna填充）
df_clean = df.dropna(subset=['message']).copy()
data_clean = data.dropna(subset=['message']).copy()

# 2. 按name合并两个DF，只保留两边都存在的用户（how='inner'）
merged_df = df_clean[['name', 'message']].merge(
    data_clean[['name', 'message']],
    on='name',
    suffixes=('_df', '_data'),
    how='inner'
)

# 3. 计算两边message的长度，同时确保只处理字符串类型
merged_df['len_df'] = merged_df['message_df'].apply(lambda x: len(x) if isinstance(x, str) else -1)
merged_df['len_data'] = merged_df['message_data'].apply(lambda x: len(x) if isinstance(x, str) else -1)

# 4. 筛选长度不同的行并打印对应的message
for msg in merged_df[merged_df['len_df'] != merged_df['len_data']]['message_df']:
    print(msg)

这样既解决了缺失值导致的报错，又实现了按用户匹配对比message长度的需求。

内容的提问来源于stack exchange，提问作者user8560167