如何解决Pandas处理Excel时文本列显示为nan的问题？

你的现有代码存在逻辑问题：直接对Series执行if sheet_df['initials'] == 'nan':会报错，因为该比较返回的是布尔值Series，无法作为if的判断条件。同时逐行处理的方式在数据量大时效率极低，以下是几种高效的批量处理方案：

方案1：读取Excel时直接保留"NA"字符串 #

在read_excel中通过参数配置，避免Pandas将Excel中的"NA"识别为缺失值（NaN）：

xlsx_file = pd.ExcelFile('file.xlsx')
# keep_default_na=False 关闭默认的缺失值识别规则，na_values仅指定空值为缺失
sheet_df = pd.read_excel(xlsx_file, 'Sheet1', keep_default_na=False, na_values=[''])

这样读取后initials列的"NA"会直接保留为字符串，无需后续转换，导出CSV时自然不会变成nan。

方案2：读取后批量替换缺失值 #

如果已经完成读取，可通过Pandas的向量化操作批量将NaN替换为"NA"，效率远高于逐行判断：

xlsx_file = pd.ExcelFile('file.xlsx')
sheet_df = pd.read_excel(xlsx_file, 'Sheet1')

# 填充缺失值为"NA"，再转为字符串类型
sheet_df['initials'] = sheet_df['initials'].fillna('NA').astype(str)

或者用replace处理所有可能的缺失值类型：

import numpy as np

sheet_df['initials'] = sheet_df['initials'].replace({np.nan: 'NA', pd.NA: 'NA'}).astype(str)

向量化操作是Pandas的核心优势，能利用底层优化实现高速处理，尤其适合大数据集场景。

内容的提问来源于stack exchange，提问作者ben