如何在DataFrame中将所有列中的?和n.a值替换为NaN？使用df.fillna(0, inplace=True)无法替换'?'的解决方法

嘿，我懂你遇到的困扰了——df.fillna(0, inplace=True)确实搞不定?和n.a这类字符串形式的异常值，因为这个方法只针对已经被标记为NaN的缺失值生效，而你提到的这两个是实打实的字符串，不在它的处理范围内。

下面给你两种最实用的正确实现方案：

方案一：用replace()批量替换异常值 #

这是最直接的处理方式，我们可以把需要替换的异常值列出来，统一转换为np.nan：

首先确保你导入了numpy（pandas的NaN本质依赖numpy的实现）：

import numpy as np
import pandas as pd

然后执行替换操作：

# 将?和n.a一次性替换为NaN，inplace=True会直接修改原DataFrame
df.replace(['?', 'n.a'], np.nan, inplace=True)

如果你的数据里还有其他类似的异常值变体（比如大小写不同的N.A、带空格的?），还可以用正则表达式来匹配：

# 匹配所有带空格或大小写的n.a变体
df.replace(r'^\s*n\.a\s*$', np.nan, regex=True, inplace=True)
# 匹配所有带空格的?
df.replace(r'^\s*\?\s*$', np.nan, regex=True, inplace=True)

方案二：读取数据时直接识别缺失值 #

如果你的DataFrame是从文件（比如CSV）读取来的，完全可以在读取阶段就把这些异常值标记为NaN，一步到位：

# 读取CSV时，指定哪些字符串要被识别为NaN
df = pd.read_csv('your_data_file.csv', na_values=['?', 'n.a'])

这样读出来的DataFrame里，?和n.a会直接被处理成NaN，后续再用fillna()做填充就完全没问题啦。

内容的提问来源于stack exchange，提问作者meet delvadiya