Pandas中填充NaN为指定字符串且保留None值的解决方案

Pandas的fillna()方法会同时处理NaN和None，要实现只替换NaN为指定字符串（比如'x'）、保留None的需求，有两种简洁的方法：

方法1：使用replace()精准替换NaN #

replace()可以单独匹配np.nan进行替换，不会影响None值，代码示例：

import pandas as pd
import numpy as np

# 构造示例DataFrame
data = {
    'A': [12, None, np.nan, 0],
    'B': [0, np.nan, 9.8, np.nan],
    'C': [None, None, 1, 1]
}
df = pd.DataFrame(data)

# 仅将NaN替换为'x'
df = df.replace({np.nan: 'x'})
print(df)

输出结果：

A     B     C
0    12     0  None
1  None     x  None
2     x   9.8     1
3     0     x     1

方法2：使用applymap()自定义判断逻辑 #

如果需要针对不同数据类型做更灵活的处理，可通过applymap()遍历每个元素，仅替换NaN：

def fill_nan_only(val):
    # 仅当元素是浮点型且为NaN时替换
    if isinstance(val, float) and np.isnan(val):
        return 'x'
    return val

df = df.applymap(fill_nan_only)

这个方法适配混合数据类型场景，确保对象列中的None不会被误替换。

内容的提问来源于stack exchange，提问作者Cansu Zöhre