Pandas严格替换值问题：特定字符串替换结果异常的排查与解决

我最近碰到个棘手的小问题：数据集里有大量格式为" - "的特殊值需要替换成"0.0"。一开始我在Jupyter里用这段代码确认特殊值的数量，结果是正常的59行：

df['Block Hours'][df['Block Hours'] == " - "].count()

可当我尝试用str.replace替换后再计数时，结果却变成了4万多行，完全偏离预期：

df['Block Hours'].str.replace(" - ", "0.0").count()

我用的是最新版Pandas，甚至特意加了regex=False参数，问题还是没解决。

问题根源 #

折腾半天后才发现，问题出在列的数据类型上！df['Block Hours']的类型是object，但并不是所有元素都是字符串类型——这就导致str.replace的行为跑偏了，它会把非字符串类型的元素也纳入计数范围，最终给出错误的总行数。

解决方案 #

解决思路很直接：先把整个列强制转换为字符串类型，再执行替换操作：

df['Block Hours'] = df['Block Hours'].astype(str).str.replace(" - ", "0.0")

这么操作之后，替换和计数就都能得到正确结果了。

内容的提问来源于stack exchange，提问作者Hannan