如何使pandas.read_csv区分CSV中的NULL值与空单元格？

这个问题太常见了——pandas默认会把CSV里的空单元格和写为"NULL"的文本一股脑转成NaN，直接抹平了二者的区别。要解决这个问题，核心就是在读取CSV时就修改默认的空值识别规则，让空单元格和"NULL"字符串各自保留原始状态。

步骤1：正确读取CSV文件 #

读取时我们要做两件事：禁用pandas默认的空值映射逻辑，同时不指定任何额外的空值标记。这样空单元格会保持为空字符串''，而"NULL"会被完整保留为字符串'NULL'。

用这段代码读取你的文件：

import pandas as pd

# 关闭默认空值识别，且不添加额外的空值转换规则
df = pd.read_csv('你的文件路径.csv', keep_default_na=False, na_values=[])

读取完成后，你的DataFrame里Col2列的内容会和原始CSV完全对应：空单元格是空字符串''，写着"NULL"的单元格是字符串'NULL'，二者彻底区分开。

步骤2：针对两种值分别处理 #

现在你可以随心所欲地操作这两种不同的内容了：

• 查看唯一值：df['Col2'].unique()会返回array(['NULL', 'Virgo', 'Arkenea', ''], dtype=object)，清晰展示所有原始值
• 替换空单元格：df['Col2'] = df['Col2'].replace('', 'EMPTY_CELL')
• 替换"NULL"文本：df['Col2'] = df['Col2'].replace('NULL', 'EXPLICIT_NULL')
• 如果只想把"NULL"标记为缺失值（空单元格保留原样），可以用更适合字符串列的缺失值标记：

  df['Col2'] = df['Col2'].replace('NULL', pd.NA)
  

为什么默认会混淆？ #

pandas默认的na_values参数包含了空字符串、"NULL"、"NaN"、"N/A"等十几种值，读取时会自动把这些内容统一转成NaN，自然就没法区分原始的空单元格和"NULL"文本了。通过设置keep_default_na=False+na_values=[]，我们完全关闭了这种自动转换，让CSV的原始内容完整保留下来。

内容的提问来源于stack exchange，提问作者RSM