使用pandas和numpy数据分析基础：无法用df.replace替换NaN问题

• 先确认目标字符串是否有隐藏空格或特殊字符
  有时候看起来是?，实际可能带前后空格或不可见字符，先打印所有唯一值排查：

print(df.stack().unique())

如果存在空格，用正则匹配替换所有带空格的?：

df = df.replace(r'\s*\?\s*', np.NaN, regex=True)

• 明确replace的参数配置
  可以用字典形式指定替换规则，确保全局生效：

# 方式1：重新赋值给df
df = df.replace({'?': np.NaN})
# 方式2：原地修改（无需重新赋值）
df.replace({'?': np.NaN}, inplace=True)

• 检查列的数据类型
  如果列是数值类型，?会被自动识别为无效值（读取时可能已转成NaN），先查看列类型：

print(df.dtypes)

如果是object类型但替换无效，尝试强制转换列类型后再替换，或者在读取数据时直接指定na_values：

# 读取时直接将?识别为NaN
df = pd.read_csv('your_data.csv', na_values='?')

• 排查嵌套结构
  如果DataFrame包含列表、字典等嵌套元素，replace无法直接处理，需要先展开或清理这些特殊结构后再执行替换。

内容的提问来源于stack exchange，提问作者Iliya Fathma