如何解决Pandas字符串类型列中NaN值无法替换的问题？

问题原因 #

你执行dat['aa'].astype('str')时，原列中的np.nan会被强制转换为字符串'nan'，而非保留缺失值（NaN）状态。此时fillna('')仅针对真正的NaN值生效，自然无法替换这个字符串形式的'nan'。

解决办法 #

• 方案1：先填充缺失值再转换类型
  优先对aa列的NaN填充空字符串，再转换为字符串类型，避免NaN被转成'nan'：

  import pandas as pd
  import numpy as np
  
  dat = pd.DataFrame({'aa' : [np.nan, 'A'], 'bb' : [123, np.nan]})
  # 先填充aa列缺失值，再转字符串类型
  dat['aa'] = dat['aa'].fillna('').astype('str')
  # 处理bb列的缺失值
  dat['bb'] = dat['bb'].fillna('')
  

• 方案2：替换已生成的'nan'字符串
  如果已经完成了astype('str')转换，直接替换字符串'nan'为空即可：

  # 替换aa列的'nan'字符串
  dat['aa'] = dat['aa'].replace('nan', '')
  # 统一处理其他列的NaN
  dat.fillna('', inplace=True)
  

• 方案3：使用pandas专属StringDtype（推荐）
  pandas 1.0及以上版本支持StringDtype，它会将缺失值保留为NaN而非转成字符串'nan'，配合fillna可以直接生效：

  dat['aa'] = dat['aa'].astype('string')  # 注意是'string'而非'str'
  dat.fillna('', inplace=True)
  

内容的提问来源于stack exchange，提问作者Brian Smith