### 使用 `replace()` 替换 DataFrame 中的空值 在处理数据时，若需将 `DataFrame` 中的空值（如 `None` 或 `NaN`）替换为空字符串或其他默认值，可以通过 `replace()` 方法实现。该方法支持多种替换形式，包括直接替换、列表映射、字典映射等。 #### 示例：将 `None` 替换为空字符串 ```python import pandas as pd import numpy as np # 创建一个包含 None 和 NaN 的示例 DataFrame data = pd.DataFrame({ 'A': [1, None, 3], 'B': [None, 'text', None], 'C': [5, 6, None] }) # 使用 replace() 将 None 替换为空字符串 data_replaced = data.replace({None: '', np.nan: ''}) print(data_replaced) ``` 此方法适用于多种数据清洗场景，确保数据框中所有 `None` 值都被替换为指定的默认值，例如空字符串或 0 等[^1]。 #### 示例：按列指定不同的替换值 若需针对不同列使用不同的默认值，可使用字典形式指定： ```python # 按列指定不同的替换值 data_replaced = data.replace({'A': {None: 0}, 'B': {None: 'missing'}, 'C': {None: -1}}) print(data_replaced) ``` 该方式允许更精细地控制每列的缺失值处理策略，适用于需要不同默认值的场景。 #### 示例：使用 `fillna()` 替换空值 另一种常见方式是使用 `fillna()` 方法，该方法专门用于填充 `NaN` 值，也支持 `None` 的替换： ```python # 使用 fillna() 替换 None 和 NaN data_replaced = data.fillna('') print(data_replaced) ``` 此方法更专注于缺失值处理，适用于统一替换所有空值为相同值的场景[^1]。 --- ### 注意事项 - `replace()` 支持多种形式的替换，包括单个值、列表、字典等。 - `fillna()` 更专注于缺失值填充，适用于 `NaN` 和 `None` 的统一处理。 - 若需保留原始数据结构并生成新对象，需将结果赋值给新变量。 ---