使用pandas fillna填充空值后仍存在空值的问题

API 探路者

2026-5-22

解决pandas fillna后仍存在空值的问题

嘿，我之前也遇到过一模一样的情况，折腾了好一会儿才找到原因，给你梳理下可能的问题和解决办法：

1. 别踩「inplace=True + 赋值」的坑

你提到尝试过df["A"] = df["A"].fillna("Global", inplace=True)这种写法，这其实是个典型错误！当你给fillna加上inplace=True时，这个方法会直接修改原DataFrame，返回值是None。所以你这么写相当于把None赋值给了df["A"]，反而会产生更多空值！

正确的写法二选一就行：

只用inplace=True，不赋值：
```
df["A"].fillna("Global", inplace=True)
```
赋值但不用inplace：
```
df["A"] = df["A"].fillna("Global")
```

2. 你的「空值」可能不是pandas识别的标准空值

如果上面的写法你已经试过了，但还是有非零空值，那大概率是数据里的“空值”不是pandas默认认的np.nan或pd.NA，而是字符串类型的空值（比如""）、空格（" "）或者其他自定义占位符（比如"N/A"）。

排查方法：

先看看这些列的唯一值，确认是不是有假空值：

# 查看A-D列的所有唯一值
for col in ["A", "B", "C", "D"]:
    print(f"列{col}的唯一值：{df[col].unique()}")

解决办法：

先把这些假空值转换成标准的np.nan，再用fillna填充：

import numpy as np

# 1. 把所有假空值替换成NaN（根据你实际的假空值类型调整列表内容）
replace_values = ["", " ", "N/A", "NULL"]
df[["A", "B", "C", "D"]] = df[["A", "B", "C", "D"]].replace(replace_values, np.nan)

# 2. 批量填充空值
df[["A", "B", "C", "D"]] = df[["A", "B", "C", "D"]].fillna("Global")