含NaN的数值矩阵转字母矩阵并合并行的技术实现问题

嘿，我来帮你解决这个问题！你现在有个带NaN值的DataFrame，要把1-15的数字转成对应字母（1→a，2→b…），然后每行合并成字符串，还要忽略NaN对吧？原来的代码遇到NaN报错是因为NaN是浮点类型，chr()函数不认它，咱们来改改就行。

先明确需求和问题重现 #

先把你的示例数据再理一遍：

import pandas as pd
import numpy as np

np.random.seed(1)
A = pd.DataFrame(np.random.randint(1,16,10).reshape(2,5))
A.iloc[1,4] = np.NAN
# 输出的A是：
#    0   1   2   3     4
# 0   6  12  13   9  10.0
# 1  12   6   1   1   NaN

你想要的最终结果是每行有效字母拼接成字符串：

0
0  flmij
1   lfaa

两种可行的解决方案 #

方案一：逐行过滤NaN再转换

直接对每行数据先筛掉NaN，再把剩下的数字转成字母拼接，逻辑很直观：

def process_row(row):
    # 只保留非NaN的元素，转成整数后转字母，最后拼接
    return ''.join(chr(int(num) + 96) for num in row if pd.notna(num))

# 把函数应用到每行，生成结果DataFrame
result = pd.DataFrame(A.apply(process_row, axis=1), columns=['0'])
print(result)

方案二：先转字母再拼接（把NaN转空字符串）

先把每个元素处理成字母或者空字符串，再直接拼接每行，空字符串不影响结果：

# 转换每个元素：数字转字母，NaN转空字符串
converted_df = A.applymap(lambda x: chr(int(x)+96) if pd.notna(x) else '')
# 每行拼接成字符串
result = pd.DataFrame(converted_df.agg(''.join, axis=1), columns=['0'])
print(result)

为啥原来的代码会报错？ #

原来的A.applymap(lambda n: chr(n + 96))里，遇到NaN的时候，n是浮点型的nan，chr()需要整数参数，所以就触发了TypeError。咱们的解决方案要么先过滤NaN，要么把NaN转成空字符串，都避开了这个问题。

这两种方法都能得到你想要的结果，选哪个看你觉得哪个更顺手就行～

内容的提问来源于stack exchange，提问作者Hadij