使用df.replace()无法替换DataFrame中的nan字符串问题求助

问题原因 #

你用data.replace('nan', 0)是在替换字符串类型的'nan'，但DataFrame里的nan实际是Python的缺失值类型（比如numpy.nan或pd.NA），并非字符串，所以这个方法无法匹配到目标值。

解决方案 #

方法1：用fillna()直接填充缺失值

这是pandas处理缺失值的标准方法，专门针对np.nan/pd.NA类型的缺失值：

# 直接替换所有缺失值为0（修改原DataFrame）
data.fillna(0, inplace=True)
# 或者不修改原DataFrame，返回新对象
data = data.fillna(0)

方法2：同时处理字符串'nan'和缺失值

如果数据里同时存在字符串'nan'和缺失值，先把字符串转成缺失值再统一填充：

# 先将字符串'nan'转为缺失值，再替换为0
data = data.replace('nan', pd.NA).fillna(0)

方法3：读取文件时提前处理

在读取CSV时直接把字符串'nan'识别为缺失值，后续一步填充：

file = 'RAO.txt'
# 读取时指定na_values，将字符串'nan'转为缺失值
data = pd.read_csv(file, sep="\t", header=None, skiprows=1, na_values=['nan'])
data = data.drop(data.columns[-1], axis=1).fillna(0)

内容的提问来源于stack exchange，提问作者WUYing