在Pandas DataFrame中使用条件值报错TypeError问题求助

嘿，刚接触Pandas遇到这种报错太正常啦，我来帮你搞定它～

为什么会报错？ #

你说Notes列是object类型，但大概率里面混了NaN缺失值——Pandas里的NaN默认是float类型，当你尝试判断'Thunderstorm' in row['Notes']时，一旦碰到NaN，就会触发TypeError: argument of type 'float' is not iterable，因为没法对浮点数做“是否包含字符串”的判断。

两种解决方案 #

方案1：先处理缺失值，再用apply判断 #

先把Notes列的NaN替换成空字符串，避免浮点型干扰，再逐行判断：

# 把NaN替换为空字符串
wdf['Notes'] = wdf['Notes'].fillna('')
# 新增Thunder列：当Notes包含Thunderstorm时取RngT，否则设为None
wdf['Thunder'] = wdf.apply(lambda row: row['RngT'] if 'Thunderstorm' in row['Notes'] else None, axis=1)

方案2：用矢量化的str.contains（更高效） #

Pandas的字符串方法str.contains可以直接处理NaN，加上na=False把缺失值当成“不包含”的情况，再配合where方法批量赋值，比apply快很多（适合大数据集）：

# 当Notes包含Thunderstorm时保留RngT的值，否则设为NaN（默认）
wdf['Thunder'] = wdf['RngT'].where(wdf['Notes'].str.contains('Thunderstorm', na=False))
# 如果想把不匹配的情况设为其他值（比如0），可以加other参数
# wdf['Thunder'] = wdf['RngT'].where(wdf['Notes'].str.contains('Thunderstorm', na=False), other=0)

小提示 #

你可以先检查Notes列的缺失值数量，确认是不是这个问题：

print(wdf['Notes'].isna().sum())

内容的提问来源于stack exchange，提问作者Alicia