null_ratio_percentage = null_courts_df.applymap(lambda x: "{:.2f}%".format(x * 100))，这段代码将Dataframe中的null值也变成了百分数

是的，`applymap` 方法会对Dataframe中的每个元素应用指定的函数，并返回一个新的Dataframe。在你提供的代码中，应用的函数是 `lambda x: "{:.2f}%".format(x * 100)`，它的作用是将传入的数值乘以100并保留两位小数，然后加上百分号并转化为字符串类型。因此，无论Dataframe中的元素是不是缺失值，最终都会被转化为百分数的形式。

如果你只想将Dataframe中的非缺失值转化为百分数，可以先使用 `fillna` 方法将缺失值填充为0，然后再应用 `applymap` 方法。示例代码如下：

import pandas as pd
import numpy as np

# 创建一个包含缺失值的示例Dataframe
df = pd.DataFrame({'A': [1, 2, None, 4],
                   'B': [None, 1.5, 2.5, None],
                   'C': [3, 4, 5, 6]})

# 将缺失值填充为0
df_filled = df.fillna(0)

# 将非缺失值转化为百分数
df_percentage = df_filled.applymap(lambda x: "{:.2f}%".format(x * 100) if x != 0 else np.nan)

print(df_percentage)

输出结果：

        A       B        C
0  100.00%     nan  300.00%
1  200.00%  150.00%  400.00%
2      nan  250.00%  500.00%
3  400.00%     nan  600.00%

在上述示例中，`fillna(0)` 将缺失值填充为0，然后 `applymap` 方法中的 `lambda x: "{:.2f}%".format(x * 100) if x != 0 else np.nan` 表示只将非缺失值转化为百分数，缺失值仍保留为缺失值。注意，这里使用了numpy库中的 `np.nan` 表示缺失值，而不是Python内置的 `None`。