如何将pandas中的空字符串视为普通字符串?

您可以指定 converters 论证 string 列。

pd.read_csv(StringIO(data), converters={'strings' : str})

  strings  numbers
0     foo        1
1     bar        2
2    null        3

这将通过熊猫的自动解析。

另一个选择是设置 na_filter=False :

pd.read_csv(StringIO(data), na_filter=False)

  strings  numbers
0     foo        1
1     bar        2
2    null        3

这适用于整个数据帧,因此请谨慎使用。如果您希望通过外科手术将此应用于选择列,我建议使用第一个选项。

发生这种情况的原因是 'null' 被视为 NaN 在解析时,可以通过传递 keep_default_na=False 除了@coldspeed的回答:

In[49]:
data = u'strings,numbers\nfoo,1\nbar,2\nnull,3'
df = pd.read_csv(io.StringIO(data), keep_default_na=False)
df

Out[49]: 
  strings  numbers
0     foo        1
1     bar        2
2    null        3

完整的列表是:

na_值:标量、str、类列表或dict,默认为none

要识别为na/nan的其他字符串。如果dict通过,那么 每列NA值。默认情况下,将解释以下值 如NaN:,N/A,N/A N/A,NA,-1.IND,-1.QNaN,-NaN, -南,1.ind,1.qnan,不适用,不适用,无效,南,不适用,南, “空”。

我们可以动态排除 'NULL' 和 'null' 从默认集合 _NA_VALUES :

In [4]: na_vals = pd.io.common._NA_VALUES.difference({'NULL','null'})

In [5]: na_vals
Out[5]:
{'',
 '#N/A',
 '#N/A N/A',
 '#NA',
 '-1.#IND',
 '-1.#QNAN',
 '-NaN',
 '-nan',
 '1.#IND',
 '1.#QNAN',
 'N/A',
 'NA',
 'NaN',
 'n/a',
 'nan'}

把它用在 read_csv() :

df = pd.read_csv(io.StringIO(data), na_values=na_vals)

其他答案更适合在csv中阅读,而不需要将“null”解释为 Nan ,但如果您有要“修复”的数据帧,则此代码将执行以下操作: df=df.fillna('null')