### 判断并替换字符型 NaN 为 0 在 Python 中，`NaN` 是一种特殊的浮点数，通常由 NumPy 或 Pandas 库提供支持。对于字符串类型的 `'nan'`，需要特别注意区分其与真正的 `NaN` 值的不同。以下是实现判断并替换的方法： #### 方法一：使用 Pandas 处理 DataFrame 数据 Pandas 提供了强大的工具来检测和处理缺失值或特殊值。可以利用 `pd.isna()` 或者 `pd.notna()` 来识别 `NaN` 并进行替换操作。 ```python import pandas as pd # 创建示例数据 data = {'col': ['1', '2', 'nan', '4', None]} df = pd.DataFrame(data) # 替换 'nan' 字符串和实际的 NaN 值为 0 df['col'] = df['col'].replace('nan', 0).fillna(0) print(df) ``` 在此代码片段中，`.replace('nan', 0)` 负责将字符串 `'nan'` 替换为 `0`，而 `.fillna(0)` 则负责将真实的 `NaN` 值填充为 `0`[^3]。 --- #### 方法二：针对纯列表的操作 如果不涉及 Pandas 的 DataFrame，而是单纯处理一个列表中的元素，则可以结合条件语句完成相同的功能。 ```python import math # 示例列表 lst = ['1', '2', 'nan', '', None] # 替换逻辑 result = [ 0 if (item == 'nan' or item is None or (isinstance(item, float) and math.isnan(item))) else item for item in lst ] print(result) ``` 这段代码通过列表推导式逐一检查每个元素是否等于字符串 `'nan'`、是否为 `None` 类型或者是否是一个无法比较自身的浮点数 `NaN`[^1]。一旦符合条件就将其替换成 `0`。 --- #### 方法三：混合情况下的通用解决方案 当面对既可能是字符串 `'nan'` 又可能是真实 `NaN` 的复杂情形时，可借助 NumPy 的功能统一处理。 ```python import numpy as np def replace_nan_with_zero(value): """自定义函数用于判断并替换""" if isinstance(value, str): # 如果是字符串类型 return 0 if value.lower() == 'nan' else value elif isinstance(value, float): # 如果是浮点数类型 return 0 if np.isnan(value) else value elif value is None: # 如果是 NoneType return 0 else: return value # 测试数据 mixed_data = [np.nan, 'NAN', 'normal text', None, 789.0] cleaned_data = [replace_nan_with_zero(v) for v in mixed_data] print(cleaned_data) ``` 这种方法更加灵活，能够适应多种输入格式，并且保持较高的准确性[^4]。 --- ###