如何在Pandas读取CSV时将NaN（氮化钠）识别为字符串而非缺失值？

Pandas的read_csv方法默认会把字符串NaN解析为浮点型的缺失值（nan），即便指定dtype={'formula': str}也无效——因为缺失值解析逻辑优先于类型指定。以下是两种可行的解决方法：

方法1：自定义缺失值识别规则 #

通过na_values参数指定仅将空字符串识别为缺失值，排除NaN字符串：

import pandas as pd

df = pd.read_csv('sample.csv', na_values=[''], dtype={'formula': str})
print(df.loc[0]['formula'])
# >> NaN
print(type(df.loc[0]['formula']))
# >> <class 'str'>

方法2：禁用默认缺失值识别 #

设置keep_default_na=False，完全关闭Pandas默认的缺失值解析规则，所有字符串都会原样读取：

import pandas as pd

df = pd.read_csv('sample.csv', keep_default_na=False, dtype={'formula': str})
print(df.loc[0]['formula'])
# >> NaN
print(type(df.loc[0]['formula']))
# >> <class 'str'>

原理说明 #

read_csv的默认行为是将'NaN'、'na'、''等字符串标记为缺失值，这个步骤在类型转换之前执行。因此仅指定dtype无法阻止NaN被解析为缺失值，必须通过调整缺失值相关参数来规避。

内容的提问来源于stack exchange，提问作者Lana2548