Pandas DataFrame新增第二单引号时无引号行变为NaN如何解决

问题根因 #

你原来的代码只筛选出了包含单引号的行做替换处理，再将这部分仅包含匹配行的结果赋值给整个email_address列，未被筛选匹配的行没有对应值，自然会被填充为NaN。

最优解决方案 #

其实不需要提前筛选包含单引号的行，Series.str.replace()本身只会替换字符串中存在的匹配字符，没有匹配内容的字符串会原封不动返回，直接对全列做替换即可：

# 空值会统一转为空字符串
df['email_address'] = df['email_address'].fillna('').str.replace("'", "''")

如果需要保留原始的空值（不需要把NaN转成空字符串），可以调整为：

# 空值直接保留不做处理
df['email_address'] = df['email_address'].str.replace("'", "''", na_action='ignore')

可选条件处理方案 #

如果确实需要按条件分支处理，可以用np.where实现，避免未匹配行出现NaN：

import numpy as np
df['email_address'] = np.where(
    df['email_address'].fillna('').str.contains("'"),
    df['email_address'].str.replace("'", "''"),
    df['email_address']
)

处理后的结果示例：

内容的提问来源于stack exchange，提问作者Andrew Hicks