Python Pandas中抑制country_converter的NaN警告及性能优化

我来帮你搞定这两个问题——先解决烦人的NaN警告，再给大型DataFrame的处理速度提提速，毕竟效率才是关键。

一、精准抑制NaN相关警告 #

你之前用warnings.filterwarnings没效果，核心原因是：country_converter的警告是通过Python的logging模块输出的，不是标准的warnings模块！所以得从logging入手来屏蔽特定警告：

import logging
# 过滤掉root日志中包含"nan not found in ISO3"的警告
logging.getLogger('root').addFilter(lambda record: "nan not found in ISO3" not in record.getMessage())

把这段代码放在导入country_converter前后都可以，它只会屏蔽你指定的NaN相关警告，其他无效代码（比如XXX、123）的警告仍会正常显示，不会误屏蔽有用信息。

二、大幅提升处理速度：放弃apply，直接批量处理 #

你当前用apply逐行调用coco.convert，这在大型DataFrame里效率极低——Python的逐元素循环天生慢。其实coco.convert本身就支持批量传入列表/Series，完全不需要逐行处理！直接把整个列传进去，速度能提升好几倍：

优化后的完整代码：

import country_converter as coco
import pandas as pd
import numpy as np
import logging

# 先屏蔽目标警告
logging.getLogger('root').addFilter(lambda record: "nan not found in ISO3" not in record.getMessage())

test = pd.DataFrame({"code":[np.nan, 'XXX', 'USA', 'GBR', "GBR",'SWE/n', "123", "abs", "ABCC", "ABC", np.nan, np.nan]})
# 直接传入整个Series，无需apply逐行处理
test['code_convert'] = coco.convert(names=test["code"], to='ISO3', not_found=np.NaN)

为什么这样更快？ #

• apply是逐元素循环，会触发大量重复的函数调用开销；
• coco.convert内部对批量输入做了优化，用向量式处理代替逐元素操作，能充分利用底层的高效逻辑。

额外小优化：预处理脏数据（可选） #

如果你列里还有像'SWE/n'这种带换行符的脏数据，可以先预处理一下，减少无关警告并提升转换准确率：

# 去除字符串两端的空白/换行符，空字符串转NaN
test["code"] = test["code"].str.strip().replace('', np.nan)

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