Python中DataFrame.fillna()误将0视为NA替换的问题求助

核心说明 #

fillna() 方法默认仅替换NaN/NA缺失值，不会修改非缺失的数值（包括0）。若你的0值被意外替换，按以下方式排查解决：

1. 验证数据有效性 #

先确认Column1中的0是真正的数值类型，而非字符串或被误识别的缺失值：

# 查看列数据类型
print(data['Column1'].dtype)
# 列出列内所有唯一值，排查异常值
print(data['Column1'].unique())

若存在字符串类型的"0"，先转换为数值类型：

import pandas as pd
data['Column1'] = pd.to_numeric(data['Column1'], errors='coerce')

2. 正确执行缺失值填充 #

使用如下代码确保仅替换NA值，保留原有0值：

# 推荐写法：不修改原数据，生成新列或覆盖原列
data['Column1'] = data['Column1'].fillna(data['Column2'])

# 若需直接修改原DataFrame（谨慎使用）
data['Column1'].fillna(data['Column2'], inplace=True)

3. 处理特殊标记的缺失值 #

若你的原始数据用0表示缺失（但你需要保留真实的0、替换标记为0的缺失值），可先将标记用的0转为NaN，再填充：

# 将Column1中作为缺失标记的0转为NaN
data['Column1'] = data['Column1'].replace(0, pd.NA)
# 用Column2填充缺失值
data['Column1'] = data['Column1'].fillna(data['Column2'])

内容的提问来源于stack exchange，提问作者Isaac Black