如何将Pandas Series索引中的NaN替换为'Test'？rename方法无效求助

问题原因 #

你尝试的三种rename写法都失效，核心原因是Pandas的rename()默认按标签精确匹配，但np.nan是特殊值，它不等于自身，另外：

• 原数据中的None在Pandas会被自动转为np.nan，所以{None: 'Test'}匹配不到索引里的np.nan
• {'NaN': 'Test'}是匹配字符串'NaN'，和实际的缺失值np.nan完全不是同一元素
• {np.nan: 'Test'}因为np.nan != np.nan的特性，精确匹配无法生效

有效解决方案 #

方案1：直接填充索引中的NaN

使用index.fillna()可以直接将索引里的所有缺失值替换为指定值：

df_sfdr = df_fonds.groupby('Article', dropna=False)['ActifEur'].sum()
df_sfdr.index = df_sfdr.index.fillna('Test')

方案2：用lambda函数结合pd.isna()检测替换

通过rename()的函数参数，对每个索引值做判断，匹配缺失值就替换：

import pandas as pd

df_sfdr = (df_fonds
           .groupby('Article', dropna=False)['ActifEur'].sum()
           .rename(lambda idx: 'Test' if pd.isna(idx) else idx)
)

方案3：分组前先处理原数据的缺失值

如果允许提前修改原数据，可以先把Article列的NaN替换为'Test'，再分组：

df_fonds['Article'] = df_fonds['Article'].fillna('Test')
df_sfdr = df_fonds.groupby('Article')['ActifEur'].sum()

验证结果 #

执行上述任意方案后，你的索引会变成：

Article
Article 6    500
Article 8    100
Article 9    120
Test         10
Name: ActifEur, dtype: float64

内容的提问来源于stack exchange，提问作者Jacques