Pandas groupby拼接字符串报TypeError:预期str实例找到float如何解决

问题原因 #

• 报错TypeError: sequence item 8: expected str instance, float found的核心原因是Kod pocztowy (PNA)列存在空值NaN，NaN本身属于float类型，哪怕整列的dtype是object，空值的类型仍然是float，拼接字符串时就会触发类型错误。
• 之前修改的lambda x: ",".join(str(x))错误原因是：这里的x是分组后的Series对象，直接对x做str(x)会把整个Series的打印文本（包含索引、列名、类型信息）整体转为字符串，再按单个字符拆分拼接，自然会得到不符合预期的结果。

问题定位（可选） #

如果需要确认空值的分布，可以执行以下代码快速找到异常行：

# 筛选出邮编列为空的所有行
invalid_postcode_rows = db[db['Kod pocztowy (PNA)'].isna()]
print(f"空邮编行数：{len(invalid_postcode_rows)}")
print(invalid_postcode_rows.head())

修复方案 #

方案1：直接修复lambda逻辑，单元素转字符串 #

把转字符串的操作作用于分组内的每个元素，而非整个Series：

db_miasto = db.groupby(
    ['Województwo', 'Powiat', 'Gmina', 'Miejscowość (GUS)', 'Kod gminy', 'Kod miejscowości'], 
    as_index=False
)['Kod pocztowy (PNA)'].agg(
    # 只拼接非空的邮编，避免出现无意义的'nan'字符串
    lambda x: ','.join(str(i) for i in x if pd.notna(i))
)

如果需要对同一分组内重复的邮编去重，可以调整为：

lambda x: ','.join(sorted(set(str(i) for i in x if pd.notna(i))))

方案2：预处理列类型，效率更高（适合39万行大数据量） #

提前把邮编列的空值替换为空字符串，统一转为字符串类型后再分组拼接，执行速度比自定义lambda更快：

# 预处理：空值替换为空字符串，统一转为str类型
db['Kod pocztowy (PNA)'] = db['Kod pocztowy (PNA)'].fillna('').astype(str)
# 分组拼接
db_miasto = db.groupby(
    ['Województwo', 'Powiat', 'Gmina', 'Miejscowość (GUS)', 'Kod gminy', 'Kod miejscowości'], 
    as_index=False
)['Kod pocztowy (PNA)'].agg(','.join)

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