如何在Python的Pandas中将NaN值替换为空白单元格？

核心问题分析 #

你之前的错误在于混淆了数据存储和显示效果：

• NaN是数值类型（包括可空整数Int64）的缺失值标记，空字符串属于字符串类型，二者无法直接转换
• 将NaN替换为空字符串会强制列变为object类型，后续无法转回Int64这类可空数值类型

推荐解决方案（保留数据类型+显示空白） #

方案1：使用可空数据类型+设置全局显示选项

这种方法既保留原始数据类型（方便后续分析计算），又能让NaN在打印/查看时显示为空白：

import pandas as pd
import numpy as np

# 初始化数据集
df_test = pd.DataFrame(data = {'A': ['a', 'b', np.nan], 'B': [1, np.nan, 3], 'C': [np.nan, 2.2, 3.3]})

# 转换为Pandas支持的可空数据类型
df_test['A'] = df_test['A'].astype('string')  # 专用字符串类型，原生支持缺失值
df_test['B'] = df_test['B'].astype('Int64')   # 可空整数类型（注意大写I）
df_test['C'] = df_test['C'].astype('float64') # float类型本身原生支持NaN

# 设置Pandas显示选项，将NaN替换为空字符串显示
pd.set_option('display.na_rep', '')

# 查看结果，此时NaN显示为空白，但数据类型保持正确
print(df_test)

执行后输出：

A  B    C
0  a  1     
1  b     2.2
2     3  3.3

验证数据类型：

print(df_test.dtypes)
# A    string
# B     Int64
# C    float64
# dtype: object

方案2：导出Excel时设置空白显示

如果你的需求是导出到Excel后显示空白，无需修改数据集本身，直接在导出时指定参数即可：

# 导出Excel，将NaN显示为空白
df_test.to_excel('output.xlsx', na_rep='', index=False)

关键注意点 #

• 不要用replace(np.nan, '')修改原始数据，这会破坏数值列的类型
• 优先使用Pandas的专用可空类型（string、Int64、boolean等），而非Python原生的str、int，它们原生支持缺失值

内容的提问来源于stack exchange，提问作者Marcus K.