excel数据如下，而需求就是将 版型、变速箱、环保标准 三列进行合并，并将合并结果添加到新列——备注列中。
而会玩Python的老amy一想，这还不简单?直接使用pandas完成。
- 读取 excel 数据
df = pd.read_excel("111.xls")
df
- 查看数据信息
# 查看大概信息 df.info()
- 得知每列数据的类型为object类型，则获取每列直接相加即可。
df_2 = df["版型"] + df["变速箱"] + df["环保标准"] df_2
大家会发现直接这样合并有一个小小的问题，也就是如第3行中 2021款 E-Tense 左岸版 + NaN + NaN 竟然结果为 NaN。oh no！这不是我们想要的结果。
奥改咯？(怎么解决呢)
三、问题来源我们就得清楚的知道问题的出处。
1.必要条件- np.nan为浮点类型
- np.nan + 任何值 = np.nan
由此就可以理解为什么上面会出现 2021款 E-Tense 左岸版 + NaN + NaN 结果为 NaN了。
当然，肯定会有的朋友认为 object 类型不是文本字符串嘛？为什么结果反而是进行了加法运算呢？
那就得好好聊聊 object 了。
2.object类型到底为何方妖怪？在 Python 中 str 和 Numpy 中的 String 、Unicode，在 Pandas 中都表示为 object，也就是字符串在 Pandas 中的类型为 object。
这个跟大家的理解基本一致。但是需要注意的是，当一列数据不止一种数据类型组成时(如：同时出现 np.nan 、字符串等)，Pandas 就很难自动甄别数据类型，所以就会默认处理为兼容性更强的类型——object。
此时，大家就应该恍然大悟：“原来object不是那么纯粹的文本数据类型呀”。
四、解决那我们的解决方案就是将np.nan 变为文本数据类型即可。
代码如下：
df["备注"] = df["版型"].map(str) + df["变速箱"].map(str) + df["环保标准"].map(str) df
当然我们如果想去除文本中的nan，通过以下代码即可实现。
df["备注"] = df["备注"].str.replace("nannan","")
df
