我有一个Pandas Dataframe，如下所示：

1    2       3

0  a  NaN    read

1  b    l  unread

2  c  NaN    read

我想用空字符串删除NaN值，以便它看起来像这样：

1    2       3

0  a  ""    read

1  b    l  unread

2  c  ""    read

稍微短一点是：

df = df.fillna('')

要不就

df.fillna('',inplace=True)

这将用''填充na(例如NaN)。

如果要填充单个列，可以使用：

df[column1] = df.column1.fillna('')

@Mithril - df[[column1,column2]] = df[[column1,column2]].fillna()

最好的答案！

import numpy as np

df1 = df.replace(np.nan, '', regex=True)

这可能有所帮助。它将用空字符串替换所有NaN。

np.nan来自哪个库？我不能用它

@CaffeineConnoisseur：import numpy as np。

@CaffeineConnoisseur - 或者只是pd.np.nan如果你不想import numpy那么。

这也允许将Dict保存为.csv行中的字符串，然后使用pd.DataFrame.from_dict(eval(_string_))将其读回DataFrame

提及... inplace=True选项也很有用。

如果您正在从文件(例如CSV或Excel)中读取数据框，请使用：

df.read_csv(path , na_filter=False)

df.read_excel(path , na_filter=False)

这会自动将空字段视为空字符串''

如果您已经拥有Dataframe

df = df.replace(np.nan, '', regex=True)

df = df.fillna('')

read_excel()上没有na_filter pandas.pydata.org/pandas-docs/stable/

我在我的申请中使用过它。它确实存在，但由于某种原因，他们没有在文档中给出这个论点。尽管没有错误，它对我很好。

它工作，我在解析xl.parse(sheet_name, na_filter=False)中使用它

很好的答案，但我意外地downvoted，现在不能upvote。

使用格式化程序，如果您只想格式化它，以便在打印时可以很好地呈现。只需使用df.to_string(... formatters定义自定义字符串格式，而无需不必要地修改DataFrame或浪费内存：

df = pd.DataFrame({

'A': ['a', 'b', 'c'],

'B': [np.nan, 1, np.nan],

'C': ['read', 'unread', 'read']})

print df.to_string(

formatters={'B': lambda x: '' if pd.isnull(x) else '{:.0f}'.format(x)})

要得到：

A B       C

0  a      read

1  b 1  unread

2  c      read

这是正确的答案

print df.fillna()本身(不做df = df.fillna())也不会修改原件。使用to_string有速度或其他优势吗？

很公平，df.fillna()就是这样！

@shadowtalker：不一定，如果OP想要将df保持为一种格式(例如，计算效率更高，或者在不必要/空/重复的字符串上保存内存)，那么它只会是正确的答案，而是在视觉上呈现更多赏心悦目的。在不了解用例的情况下，我们无法肯定地说。

尝试这个，

添加inplace=True

import numpy as np

df.replace(np.NaN, ' ', inplace=True)

我尝试使用nan的一列字符串值。

要删除nan并填充空字符串：

df.columnname.replace(np.nan,'',regex = True)

要删除nan并填充一些值：

df.columnname.replace(np.nan,'value',regex = True)

我也试过df.iloc。但它需要列的索引。所以你需要再次查看表格。只需将上述方法缩小一步即可。

使用keep_default_na=False可以帮助您：

df = pd.read_csv(filename, keep_default_na=False)

如果要将DataFrame转换为JSON，NaN将给出错误，因此在此用例中最好的解决方案是将NaN替换为None。

方法如下：

df1 = df.where((pd.notnull(df)), None)