如何将DataFrame数据列中的字符值“nothing”替换为数值0

以下方案均适配大体积DataFrame，几百行规模下执行无任何性能压力：

• 方案1：直接使用replace方法（最简洁）
  直接对目标列执行精准匹配替换，匹配到nothing时自动替换为0，替换完成后可统一将列转换为数值类型：

# 替换指定值
df['Candy'] = df['Candy'].replace('nothing', 0)
# 转换列类型为整数，避免仍为object类型影响后续数值计算
df['Candy'] = df['Candy'].astype(int)
# 如果存在其他非标准数值格式，可改用to_numeric做容错转换
# df['Candy'] = pd.to_numeric(df['Candy'], errors='coerce').fillna(0).astype(int)

• 方案2：条件赋值（灵活扩展适配复杂逻辑）
  如果后续需要叠加更多判断条件，可以用loc做精准条件赋值：

df.loc[df['Candy'] == 'nothing', 'Candy'] = 0
df['Candy'] = df['Candy'].astype(int)

• 方案3：多列批量处理
  如果有多列存在同样的nothing值需要替换，可以批量操作：

# 填入所有需要处理的列名
target_cols = ['Candy', 'Col1', 'Col2']
df[target_cols] = df[target_cols].replace('nothing', 0).apply(pd.to_numeric)

如果需要兼容大小写不同的nothing写法（比如Nothing、NOTHING），可以开启正则匹配和忽略大小写参数：

df['Candy'] = df['Candy'].replace(r'^nothing$', 0, regex=True, case=False)

内容的提问来源于stack exchange，提问作者user305902