Python pandas统计DataFrame列g内字典列表的指定字符串时报float不可迭代错误

• 类型错误的直接原因：列g中混入了pandas默认表示空值的np.nan，这类值的数据类型是float，对float执行'字符串' in 变量的判断时，就会触发「argument of type 'float' is not iterable」的报错。
• 逻辑错误的潜在隐患：就算解决了空值问题，原有代码的匹配逻辑也无法得到正确计数——你直接判断字符串是否在字典列表中，实际是检查字符串是不是列表的直接元素，但目标字符串是嵌套在每个字典的name键对应的取值里，这种写法永远匹配不到目标内容。

1. 基础循环实现（适配所有场景） #

首先要提前初始化计数变量，遍历过程中先跳过非法值，再逐层匹配内容：

# 初始化计数器
c = 0  # Comedy计数
ac = 0 # Action计数

for row in g:
    # 跳过空值、非列表类型的非法行，直接进入下一轮循环
    if not isinstance(row, list):
        continue
    # 提取当前行所有字典中的name值，跳过格式异常的字典项
    row_genre_names = [item['name'] for item in row if isinstance(item, dict) and 'name' in item]
    # 按规则计数
    if 'Comedy' in row_genre_names:
        c += 1
    elif 'Action' in row_genre_names:
        ac += 1

2. 高效向量化实现（适合大样本数据） #

如果数据量较大，避免写原生循环拖慢速度，可以用pandas内置方法批量处理：

import pandas as pd

# 对空值做兼容处理，把缺失值替换成空列表
g_clean = g.fillna('[]').apply(eval)

# 批量提取每行中所有字典的name值
row_name_lists = g_clean.apply(lambda x: [item.get('name', '') for item in x])

# 直接求和得到计数结果（布尔值True等价于1，False等价于0）
c = row_name_lists.apply(lambda x: 'Comedy' in x).sum()
ac = row_name_lists.apply(lambda x: 'Action' in x).sum()

注意：如果列内的列表是字符串形式存储的（也就是看起来是列表结构但实际数据类型是str），才需要加eval做类型转换；如果本身已经是列表对象，去掉apply(eval)即可，否则会触发额外报错。
遍历每行时不要直接对列表中的字典做无保护的键值访问，遇到格式异常的字典项（比如没有name键）也会触发KeyError报错，提前做存在性判断可以避免这类问题。

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