读取Excel关键词匹配Pandas DataFrame 出现float无法用于字符串in运算报错

你遇到的类型报错核心是Excel关键词列的空单元格被Pandas自动解析为NaN（浮点类型），你打印输出里的nan就是该类型值。当执行in <string>判断时，左操作数是浮点型的NaN，不符合字符串要求，因此触发报错。
你硬编码关键词时没有空值，所以运行正常。

你可以任选以下任意一种方式修复：

方案1：读取关键词时直接过滤空值（推荐） #

读取后统一清理每列的空值，并且转换为字符串格式，从根源避免空值和类型问题：

df_Dienstleister = pd.read_excel('Dienstleister.xlsx', header=None)
# 逐列清理关键词：删除空值→转字符串→去除前后空格→过滤掉全空的字符串
Keywords_Dritte = [str(k).strip() for k in df_Dienstleister[0].dropna().tolist() if str(k).strip()]
Keywords_EDT = [str(k).strip() for k in df_Dienstleister[1].dropna().tolist() if str(k).strip()]
Keywords_EKN = [str(k).strip() for k in df_Dienstleister[2].dropna().tolist() if str(k).strip()]

处理完成后你原本的循环逻辑不需要修改即可正常运行。

方案2：判断逻辑中增加类型校验 #

如果你需要保留空值不做过滤，可以在匹配判断前先校验关键词是否为字符串类型：

for y in range(0, number_of_Keywords_EKN):
    # 先判断是不是字符串，再执行包含匹配
    if isinstance(Keywords_EKN[y], str) and Keywords_EKN[y] in df.iloc[x, 12]:
        df.iloc[x, 13] = "EKN"

其余EDT、Dritte的匹配逻辑也做相同修改即可。

优化建议：替换嵌套循环提升运行效率 #

你当前的双层嵌套循环在数据量大的时候运行效率极低，可以替换为Pandas内置的字符串匹配方法，性能提升非常明显：

# 先把待匹配列统一转为字符串，避免后续类型报错
df.iloc[:,12] = df.iloc[:,12].astype(str)

# 批量匹配EKN
ekn_pattern = '|'.join(Keywords_EKN)
df.loc[df.iloc[:,12].str.contains(ekn_pattern), 13] = 'EKN'

# 批量匹配EDT
edt_pattern = '|'.join(Keywords_EDT)
df.loc[df.iloc[:,12].str.contains(edt_pattern), 13] = 'EDT'

# 批量匹配Dritte
dritte_pattern = '|'.join(Keywords_Dritte)
df.loc[df.iloc[:,12].str.contains(dritte_pattern), 13] = 'Dritte'

内容的提问来源于stack exchange，提问作者shima