Python pandas使用loc替换空单元格值不生效如何解决

原代码失效原因 #

你的代码存在两个核心问题，导致无法命中目标空单元格：

• 空值匹配逻辑错误：df[columnName] == ' '仅能匹配内容恰好为1个半角空格的单元格，既覆盖不了零长度空字符串''、多空格/制表符等空白内容，更无法匹配pandas默认识别的标准空值NaN（绝大多数表格读取场景下，空单元格会被自动解析为NaN，根本不会等于空格字符串），所以筛选条件根本选不到你要填充的位置。
• 未做类型兼容：如果目标列存在非字符串类型的有效值，直接对筛选出的位置赋值字符串可能触发数据类型警告，甚至导致列类型混乱。

正确实现代码 #

根据你的空单元格实际类型，选对应方案即可：

场景1：空单元格已被pandas识别为NaN（90%以上的常规场景适用） #

直接用pandas内置的空值填充方法即可，逻辑简洁性能更好：

columns = ['OrgName', 'IdCode', 'CategoryMain']
for column_name in columns:
    df[column_name] = df[column_name].fillna(f"{column_name}100")

场景2：空单元格实际是各类未被识别的空白字符串 #

如果用上面的代码填充后还是有空白格没被处理，说明这些单元格里存的是空格、全角空格、制表符这类空白内容，先统一转成标准空值再填充：

import numpy as np
columns = ['OrgName', 'IdCode', 'CategoryMain']
for column_name in columns:
    # 把所有首尾去空后无有效内容的单元格替换为标准NaN
    df[column_name] = df[column_name].replace(r'^\s*$', np.nan, regex=True)
    df[column_name] = df[column_name].fillna(f"{column_name}100")

验证小技巧：可以先执行print(df[df['OrgName'].isna()])，如果输出的行包含你认为是空的OrgName单元格，直接用场景1的方案即可，不需要额外做空白替换。

内容的提问来源于stack exchange，提问作者George Katsadze