无法在Pandas中将<NA>替换为np.nan的问题求助

可能的原因及对应解决方案 #

1. 全局替换（推荐）

直接对整个DataFrame执行替换操作，避免单列操作的局限性：

import numpy as np
import pandas as pd

# 对所有列的<NA>字符串进行替换
df.replace({'<NA>': np.nan}, inplace=True)

如果你的DataFrame中的<NA>是pandas原生的pd.NA（而非字符串），改用以下代码：

df = df.where(df != pd.NA, np.nan)

2. 单列替换的修正方案

如果必须针对单列操作，先确认数据类型和匹配精度：

• 先检查列中的唯一值，确认<NA>是否为精确字符串：

print(df['Updated_1'].unique())

• 若为精确字符串，改用loc定位赋值（比replace更稳定）：

df.loc[df['Updated_1'] == '<NA>', 'Updated_1'] = np.nan

• 若<NA>前后有空格/制表符，先清理再替换：

df['Updated_1'] = df['Updated_1'].str.strip()
df['Updated_1'].replace({'<NA>': np.nan}, inplace=True)

• 避免inplace=True的潜在问题，直接重新赋值：

df['Updated_1'] = df['Updated_1'].replace({'<NA>': np.nan})

原代码无效的常见原因 #

• 数据中的<NA>不是精确的字符串（如含空白字符），导致字典匹配失败
• 单列操作时，inplace=True在视图而非副本上执行，未实际修改原DataFrame
• <NA>是pandas的pd.NA类型，而非字符串，无法通过字符串键匹配替换

内容的提问来源于stack exchange，提问作者Mark