pandas使用to_string时如何为不同列设置不同的NaN替换值

从pandas 1.2.0版本修复NaN不传入格式化函数的问题后，可通过以下两种常用方案实现需求：

方案1：预先逐列替换NaN #

该方案逻辑简单直观，适合绝大多数场景，操作时可先基于原数据生成副本避免修改原始数据：

import pandas as pd
import numpy as np

# 示例数据
df = pd.DataFrame({
    'col1': [1, np.nan, 3, np.nan],
    'col2': ['x', np.nan, 'y', np.nan],
    'col3': [22.5, np.nan, 45.8, np.nan]
})

# 生成输出用副本，逐列替换NaN
df_output = df.copy()
df_output['col1'] = df_output['col1'].fillna('-')
df_output['col2'] = df_output['col2'].fillna('?')
df_output['col3'] = df_output['col3'].fillna('')

# 输出字符串
print(df_output.to_string(index=False))

方案2：自定义formatters参数处理 #

如果不想额外生成数据副本，可在to_string的formatters参数中为每列自定义格式化函数，手动处理NaN判断逻辑：

# 定义每列格式化规则，优先判断是否为NaN
formatters = {
    'col1': lambda x: '-' if pd.isna(x) else f'{x:.0f}',
    'col2': lambda x: '?' if pd.isna(x) else x,
    'col3': lambda x: '' if pd.isna(x) else f'{x:.1f}'
}

# 注意必须将na_rep设置为空字符串，避免pandas全局替换NaN覆盖自定义逻辑
print(df.to_string(formatters=formatters, na_rep='', index=False))

如果需要处理的列数较多，可批量生成formatters字典，无需逐个手写规则：

# 提前配置每列对应的NaN替换值
na_rule = {
    'col1': '-',
    'col2': '?',
    'col3': ''
}

formatters = {}
for col, rep_val in na_rule.items():
    if df[col].dtype.kind in ('i', 'f'):
        # 数值类列自定义数值格式化规则
        formatters[col] = lambda x, rep=rep_val: rep if pd.isna(x) else f'{x:.1f}'
    else:
        # 非数值类列直接返回原值
        formatters[col] = lambda x, rep=rep_val: rep if pd.isna(x) else str(x)

内容的提问来源于stack exchange，提问作者Michel de Ruiter