在Pandas中，我们可以用fillna()函数将NaN填充为任何值，包括空白或空字符串。具体步骤如下：
首先，导入Pandas库：
import pandas as pd
接着，创建一个数据表，其中有一些NaN值：
data = {'A': [1, 2, 3, np.nan, 5], 'B': [6, np.nan, 8, np.nan, 10]}
df = pd.DataFrame(data)
现在，数据表如下所示：
| A | B | |
|---|---|---|
| 0 | 1 | 6 |
| 1 | 2 | NaN |
| 2 | 3 | 8 |
| 3 | NaN | NaN |
| 4 | 5 | 10 |
我们可以使用fillna函数将NaN值替换为空白或空字符串，代码如下：
df.fillna('', inplace=True)
其中，参数inplace=True表示我们修改原数据表，否则不会有任何变化。
现在，数据表已经如下所示：
| A | B | |
|---|---|---|
| 0 | 1 | 6 |
| 1 | 2 | |
| 2 | 3 | 8 |
| 3 | ||
| 4 | 5 | 10 |
我们也可以使用df.replace()函数将NaN值替换为空白或空字符串，如下所示：
df.replace({np.nan: '', None: ''}, inplace=True)
这个函数用什么代替NaN需要在其参数中指定，参数np.nan用于代替实际NaN，参数None用于代替None值。
现在，我们已经成功将NaN替换为空白或空字符串，数据表如下所示：
| A | B | |
|---|---|---|
| 0 | 1 | 6 |
| 1 | 2 | |
| 2 | 3 | 8 |
| 3 | ||
| 4 | 5 | 10 |
总之，使用fillna()或replace()函数来将NaN替换为空白或空字符串是一项非常简单的任务，这些函数使数据清洗过程更简单和高效。
本文链接：http://task.lmcjl.com/news/17327.html