你可以使用以下方法在pandas DataFrame中用字符串替换NaN值。
方法1：在整个数据框架中用字符串替换NaN值
df.fillna('', inplace=True)
方法2: 在特定列中用字符串替换NaN值
df[['col1', 'col2']] = df[['col1','col2']].fillna('')
方法3: 在一列中用字符串替换NaN值
df.col1 = df.col1.fillna('')
下面的例子展示了如何在以下pandas数据框架中使用每种方法：
import pandas as pd
import numpy as np
#create DataFrame with some NaN values
df = pd.DataFrame({'team': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],
'points': [np.nan, 11, 7, 7, 8, 6, 14, 15],
'assists': [5, np.nan, 7, 9, 12, 9, 9, 4],
'rebounds': [11, 8, 10, np.nan, 6, 5, 9, np.nan]})
#view DataFrame
df
team points assists rebounds
0 A NaN 5.0 11.0
1 A 11.0 NaN 8.0
2 A 7.0 7.0 10.0
3 A 7.0 9.0 NaN
4 B 8.0 12.0 6.0
5 B 6.0 9.0 5.0
6 B 14.0 9.0 9.0
7 B 15.0 4.0 NaN
方法1：在整个数据框架中用字符串替换NaN值
下面的代码显示了如何用一个空字符串替换整个DataFrame中的每个NaN值：
#replace NaN values in all columns with empty string
df.fillna('', inplace=True)
#view updated DataFrame
df
team points assists rebounds
0 A 5.0 11.0
1 A 11.0 8.0
2 A 7.0 7.0 10.0
3 A 7.0 9.0
4 B 8.0 12.0 6.0
5 B 6.0 9.0 5.0
6 B 14.0 9.0 9.0
7 B 15.0 4.0
请注意，每一列中的每个NaN值都被替换成了空字符串。
方法2：在特定列中用字符串替换NaN值
下面的代码显示了如何用一个特定的字符串来替换特定列中的NaN值：
#replace NaN values in 'points' and 'rebounds' columns with 'none'
df[['points', 'rebounds']] = df[['points', 'rebounds']].fillna('none')
#view updated DataFrame
df
team points assists rebounds
0 A none 5.0 11.0
1 A 11.0 NaN 8.0
2 A 7.0 7.0 10.0
3 A 7.0 9.0 none
4 B 8.0 12.0 6.0
5 B 6.0 9.0 5.0
6 B 14.0 9.0 9.0
7 B 15.0 4.0 none
请注意，"得分 "和 "篮板 "列中的NaN值被替换为字符串 "无"，但 "助攻 "列中的NaN值却没有变化。
方法3：在一列中用字符串替换NaN值
下面的代码显示了如何用一个特定的字符串替换一列中的NaN值：
#replace NaN values in 'points' column with 'zero'
df.points = df.points.fillna('zero')
#view updated DataFrame
df
team points assists rebounds
0 A zero 5.0 11.0
1 A 11.0 NaN 8.0
2 A 7.0 7.0 10.0
3 A 7.0 9.0 NaN
4 B 8.0 12.0 6.0
5 B 6.0 9.0 5.0
6 B 14.0 9.0 9.0
7 B 15.0 4.0 NaN
请注意，"得分 "列中的NaN值被替换为字符串 "零"，但 "助攻 "和 "篮板 "列中的NaN值保持不变。
其他资源
下面的教程解释了如何在pandas中执行其他常见操作：
