如何让Pandas将"not applicable"识别为空值

有两种常用方法可以实现需求，根据你的数据状态选择：

一、读取数据时直接处理 #

如果是刚要读取数据源（比如CSV），可以在读取阶段就把"not applicable"标记为缺失值，再转换列类型：

import pandas as pd

# 读取文件时指定"not applicable"为缺失值
df = pd.read_csv("你的数据文件.csv", na_values=["not applicable"])
# 将目标列转为支持空值的整数类型
df["经纬度列名"] = df["经纬度列名"].astype("Int64")

二、已读取数据后的处理 #

如果数据已经加载到DataFrame里，直接替换字符串为缺失值再转类型：

import pandas as pd

# 把"not applicable"替换为Pandas标准缺失值
df["经纬度列名"] = df["经纬度列名"].replace("not applicable", pd.NA)
# 转为支持空值的整数类型
df["经纬度列名"] = df["经纬度列名"].astype("Int64")

注意：这里用的Int64是Pandas的可空整数类型（首字母大写），普通的int dtype无法存储空值，必须用这个类型才能同时保留整数特性和空值。

内容的提问来源于stack exchange，提问作者Brandon Feole