关于DataFrame中fillna()未填充D列索引1值的技术咨询

兄弟，一眼就能看出问题所在——索引1的D列值不是真正的缺失值！它是带引号的字符串'None'，而pandas的fillna()只认两种「真·空值」：Python原生的None对象，以及numpy的np.NaN。

具体分析： #

• 看你构造DataFrame的代码，索引1的D列写的是'None'（带单引号），这是一个普通的字符串，长度为4，完全不属于缺失值范畴；
• 而那些被成功填充的空值，比如索引0的A列None、索引2的B/C列None，都是不带引号的Python原生None；索引0的E/H列、索引4的E/H列是np.NaN，这些才是fillna()会识别并处理的目标。

验证方法： #

你可以运行下面的代码，查看D列每个元素的类型，就能直观看到差异：

print(df['D'].apply(type))

输出大概是这样：

0    <class 'str'>
1    <class 'str'>
2    <class 'bool'>
3    <class 'str'>
4    <class 'str'>
Name: D, dtype: object

很明显，索引1的D元素是字符串类型的'None'，和其他真正的空值完全不是一回事。

解决办法： #

如果想把字符串'None'也替换成'New_Value'，可以先把它转换成真正的缺失值，再执行填充：

import numpy as np
import pandas as pd

# 先把字符串'None'替换为np.NaN
df = df.replace('None', np.NaN)
# 再统一填充所有缺失值
df = df.fillna('New_Value')

这样就能把所有你认为是「空值」的内容都替换成目标值了。

内容的提问来源于stack exchange，提问作者Ayyappa Bandi