如何在 Pandas 中安全拼接两个函数返回的字符串（处理空值与 NA）

本文详解如何在 pandas DataFrame 中通过函数逻辑选择字符串字段并拼接结果，重点解决因缺失值（NaN/None/empty String）导致的 `TypeError: Boolean value of NA is ambiguous` 错误，并提供健壮、可复用的实现方案。

该错误的根本原因在于：Pandas 中的 NaN（或 pd.NA）无法直接参与布尔比较（如 df[‘NLT’] != “”），因为 NaN == NaN 返回 False，而 NaN != “” 返回 pd.NA（在较新版本中），导致条件判断结果为模糊的三态布尔值，if 语句无法解析，从而抛出 TypeError。

你原代码中的 if df[‘NLT’] != “” 在遇到 NaN 或空字符串时会失效。正确的做法是显式检查缺失值和空字符串，并使用向量化操作替代逐行 apply（更高效、更安全）。

✅ 推荐解决方案：使用 fillna() + where() 或 numpy.select()

最简洁、高效且鲁棒的方式是避免自定义函数，直接用 Pandas 内置方法：

import pandas as pd import numpy as np  # 示例数据（含空字符串和潜在 NaN） df = pd.DataFrame({     'NLT': ['', '', '', 'N5'],     'LT':  ['R2', 'F9', 'N5', 'R2'],     'NCC': ['', '', '16', ''],     'CC':  ['18', '16', '89', '16'] })  # 安全选择逻辑：优先取非空非NaN的 NLT，否则取 LT df['ra'] = df['NLT'].replace('', np.nan).fillna(df['LT'])  # 同理处理 b 逻辑 df['rb'] = df['NCC'].replace('', np.nan).fillna(df['CC'])  # 拼接（自动跳过 NaN？不！需确保无 NaN 才能安全相加） df['RR'] = df['ra'].astype(str) + df['rb'].astype(str)

? 关键说明： .replace(”, np.nan) 将空字符串统一转为 NaN； .fillna(other_series) 实现“若为空则用备选值”的逻辑； .astype(str) 确保拼接前所有值为字符串类型（即使原为数字，如 ’16’ + ’89’ → ‘1689’）； 此方式完全向量化，无需 apply，性能高且天然兼容缺失值。

⚠️ 若必须使用自定义函数（如逻辑复杂），请这样写：

def safe_concat_choice(series, primary_col, fallback_col):     """安全返回 series[primary_col]（若非空非NaN），否则 series[fallback_col]"""     primary = series[primary_col]     if pd.isna(primary) or str(primary).strip() == '':         return str(series[fallback_col])     return str(primary)  df['ra'] = df.apply(lambda x: safe_concat_choice(x, 'NLT', 'LT'), axis=1) df['rb'] = df.apply(lambda x: safe_concat_choice(x, 'NCC', 'CC'), axis=1) df['RR'] = df['ra'] + df['rb']

✅ 这里用 pd.isna() 显式检测缺失值，并用 str().strip() == ” 安全判断空字符串（避免对 NaN 调用 .strip() 报错）。

? 注意事项总结：

• ❌ 避免 if df[‘col’] != “” —— 对 NaN 会报错；
• ✅ 优先用 pd.isna(x) | (x == “”) | (x.strip() == “”) 组合判断；
• ✅ 向量化操作（fillna, where, np.where）比 apply 更快更安全；
• ✅ 拼接前务必转为字符串：df[‘col’].astype(str)，防止 int + str 类型错误；
• ✅ 若列中混有 None、NaN、pd.NA、空字符串，建议先统一清洗：

  df[['NLT','LT','NCC','CC']] = df[['NLT','LT','NCC','CC']].astype('string').fillna('')

按此方案，你的示例数据将正确生成 RR 列：[‘R218’, ‘F916’, ‘1689’, ‘N516’]，彻底规避 boolean value of NA is ambiguous 错误。