pandas替换数据集\N值为math.nan触发re.error报错原因咨询

数据集字段结构及样例数据如下：

已通过pandas加载上述CSV格式数据集，需要将数据集中所有值为\N的条目替换为math.nan，初始实现代码如下：

import math
import pandas as pd

cast_data = pd.read_csv("cast.csv")
cast_data.replace(cast_data.replace(r"^\N*$", math.nan, regex=True))

运行代码后抛出如下正则错误：

re.error: missing { at position 3

报错由两个问题共同导致：

• 正则转义错误：Python正则语法中，\N是用于匹配Unicode命名字符的特殊标记，要求必须配合{Unicode字符名}的格式使用（例如\N{EM DASH}匹配长破折号）。代码中直接写\N没有跟随{，正则引擎解析到该位置时直接抛出missing {的错误，需要对反斜杠做转义才能匹配字面量的\N字符串。另外原正则写的\N*会匹配0到多个N，会误匹配空字符串，不符合精确替换\N的需求。
• replace调用逻辑错误：代码嵌套调用了两次replace，外层replace将内层replace的返回结果（一个DataFrame对象）作为替换映射传入，完全不符合pandas.DataFrame.replace的参数要求，即使正则不报错也无法得到预期结果。

两种常用实现方式可按需选择：

• 方式1：读取CSV时直接指定空值标记，运行效率最高

import math
import pandas as pd

# 读取时直接将\N识别为NaN，无需后续额外替换，pandas默认NaN与math.nan完全等价
cast_data = pd.read_csv("cast.csv", na_values=r"\N")

• 方式2：数据加载完成后做替换，修正正则与调用逻辑

import math
import pandas as pd

cast_data = pd.read_csv("cast.csv")
# 双反斜杠转义匹配字面量\N，直接接收replace返回值赋值给原变量
cast_data = cast_data.replace(r"^\\N$", math.nan, regex=True)

如果需要匹配样例中\N|这类带后缀的脏\N值，可以将正则调整为r"^\\N.*"即可。

内容的提问来源于stack exchange，提问作者blacklion