Pandas DataFrame列值替换遇None值问题及解决思路

我太懂你遇到的这个坑了——这其实是Pandas里inplace=True和映射方法使用时的常见误区，我来帮你拆解清楚：

为什么会出现None值？ #

你遇到的None主要来自两个典型问题：

1. inplace=True的返回值陷阱：当你执行dat['my column'].replace({310: 0}, inplace=True)时，这个方法本身会返回None。要是你不小心把这个返回值赋值给了dat（比如写成dat = dat['my column'].replace(..., inplace=True)），直接就会把整个DataFrame变量覆盖成None，后续打印自然出问题。
2. 映射方法未赋值回原列：你注释掉的apply(dict_by_nationality.get)和map(dict_by_nationality).fillna(...)，如果只是调用方法但没把结果赋值回dat['my column']，原列的值根本不会改变；另外，dict_by_nationality.get遇到不在字典里的键会返回None（Pandas中显示为NaN），没做fillna处理的话就会出现缺失值。

正确的替换方式 #

针对你的需求，推荐两种高效且安全的做法：

方式1：批量替换（推荐）

直接用replace传入你的映射字典，它只会替换字典中存在的键，其他值保持不变，无需额外处理缺失值：

dict_by_nationality = {
    250:0, 260:0, 270:0, 280:0, 290:0, 440:0, 450:0, 460:0,
    310:0, 510:2, 520:2, 530:2
}
# 赋值回原列，避开inplace的陷阱
dat['my column'] = dat['my column'].replace(dict_by_nationality)
print(dat.head())

方式2：map + fillna 保留原值

如果需要更灵活的映射逻辑，用map结合fillna可以保留原列中不在字典里的所有值：

dat['my column'] = dat['my column'].map(dict_by_nationality).fillna(dat['my column'])

关于inplace=True的注意事项 #

如果你一定要用inplace=True，记住绝对不要把它的返回值赋值给变量，正确写法是：

# 直接调用，不要赋值给dat
dat['my column'].replace({310: 0}, inplace=True)

但更推荐前面的赋值方式，因为inplace=True在链式操作中容易引发意外，代码可读性也稍差。

内容的提问来源于stack exchange，提问作者M_Z