字典创建并排序后的DataFrame中‘NaN’转0失败问题求助

看起来你遇到的问题是显示的"NaN"其实是字符串类型，而不是Pandas默认识别的np.nan缺失值——这就是为什么isnull().any()返回全False，fillna和针对np.nan的replace完全不起作用的原因。下面是具体的排查和解决步骤：

1. 先确认问题根源 #

首先可以验证这些"NaN"的真实类型，比如选取其中一个"NaN"值查看类型，或者查看列的唯一值：

# 查看某列的所有唯一值，确认是否存在字符串"NaN"
print(cars['你的列名'].unique())
# 查看某个具体值的类型
print(type(cars.loc['你的行索引', '你的列名']))

如果输出里能看到'NaN'字符串，或者类型是<class 'str'>，那就坐实了是字符串类型的"NaN"。

2. 针对性解决方法 #

方法一：直接替换字符串"NaN"为0 #

直接用replace指定替换字符串"NaN"为0，一步到位：

cars = cars.replace('NaN', 0)

方法二：先转成真实缺失值再填充0 #

如果之后还需要处理其他缺失值，可以先把字符串"NaN"转成np.nan，再用fillna填充：

import numpy as np
# 把字符串"NaN"替换成真实的缺失值
cars = cars.replace('NaN', np.nan)
# 填充所有缺失值为0
cars = cars.fillna(0)

方法三：创建DataFrame前预处理字典 #

如果想从源头解决，可以先把字典里的字符串"NaN"转成np.nan，再生成DataFrame：

import numpy as np
# 遍历字典，替换所有"NaN"字符串
for row_key in cars_dict:
    for col_key in cars_dict[row_key]:
        if cars_dict[row_key][col_key] == 'NaN':
            cars_dict[row_key][col_key] = np.nan
# 生成DataFrame并排序
cars = pd.DataFrame.from_dict(cars_dict, orient='index')
cars = cars.sort_index(axis=1)
# 按需填充0
cars = cars.fillna(0)

为什么之前的方法没用？ #

• fillna(0)只对Pandas识别的缺失值（np.nan、pd.NA等）生效，对字符串"NaN"完全不敏感；
• 如果之前你用的是replace(np.nan, 0)，那自然也找不到要替换的目标——因为你的数据里根本没有np.nan，只有字符串"NaN"。

内容的提问来源于stack exchange，提问作者Josef