如何在 Pandas 中安全拼接两个函数返回的字符串（处理缺失值与空字符串）-Python教程

本文详解如何在 Pandas DataFrame 中通过 `apply` 调用两个字符串选择函数，并安全拼接其结果，重点解决因 NaN/None 或空字符串导致的 `TypeError: boolean value of NA is ambiguous` 问题。

该错误的根本原因在于：Pandas 中的 != “” 等布尔比较操作无法直接作用于包含 NaN（或 pd.NA）的 Series。当 df[‘NLT’] 某行值为 NaN 时，df[‘NLT’] != “” 返回的是一个三态布尔对象（pd.BooleanDtype），其本身不能被 if 语句直接求值——这正是报错 “boolean value of NA is ambiguous” 的来源。

✅ 正确做法：使用 pandas.isna() 或 str.len() > 0 显式判断

推荐改写函数，避免对可能含缺失值的列直接做 != “” 比较：

import pandas as pd
import numpy as np

def a(df):
    # 使用 pd.isna() 安全判断是否为空（兼容 NaN、None、pd.NA）
    if pd.notna(df['NLT']) and str(df['NLT']).strip() != "":
        return df['NLT']
    else:
        return df['LT']

def b(df):
    if pd.notna(df['NCC']) and str(df['NCC']).strip() != "":
        return df['NCC']
    else:
        return df['CC']

? 补充说明：str(df[‘NCC’]) 是防御性写法，确保即使遇到非字符串类型（如数字、None）也能转为字符串再判断；strip() 可过滤纯空白字符串（如 ” “）。

✅ 更高效写法（向量化，无需 apply）

apply 在逐行处理时性能较低，且易出错。更推荐使用 numpy.where 或 pandas.Series.fillna() + combine_first() 实现向量化逻辑：

# 替代函数 a：优先取 NLT，为空则取 LT
df['ra'] = df['NLT'].where(df['NLT'].str.strip().astype(bool), df['LT'])

# 替代函数 b：优先取 NCC，为空则取 CC
df['rb'] = df['NCC'].where(df['NCC'].str.strip().astype(bool), df['CC'])

# 安全拼接（自动跳过 NaN：NaN + 'str' → NaN；但可进一步填充）
df['RR'] = (df['ra'].fillna("") + df['rb'].fillna(""))

⚠️ 注意：