下面的代码生成一个df：
将熊猫作为pd导入
从日期时间导入日期时间作为dt
将numpy作为np导入
日期=[dt（2014,1,2,2），dt（2014,1,2,3），dt（2014,1,2,4），无]
字符串1=['A'，'B'，无，'C']
strings2=[None，'B'，'C'，'C']
strings3=['A'，'B'，'C'，无]
VAL=[1,2.，np.nan，4.]
df=pd.DataFrame（dict（zip（['A'，'B'，'C'，'D'，'E'，），
[strings1、日期、strings2、strings3、VAL]））
+---+------+---------------------+------+------+-----+
|| A | B | C | D | E|
+---+------+---------------------+------+------+-----+
|0 | A | 2014-01-02 02:00:00 |无| A | 1|
|1 | B | 2014-01-02 03:00:00 | B | B | 2|
|2 |无| 2014-01-02 04:00:00 | C | C | NaN|
|3 | C | NaT | C | None | 4|
+---+------+---------------------+------+------+-----+
我想用'（空字符串）替换里面的所有None（python中的realNone，而不是str）
预期的df为
+---+---+---------------------+---+---+-----+
|| A | B | C | D | E|
+---+---+---------------------+---+---+-----+
|0 | A | 2014-01-02 02:00:00 | A | 1|
|1 | B | 2014-01-02 03:00:00 | B | B | 2|
|2 | | 2014-01-02 04:00:00 | C | C | NaN|
|3 | C | NaT | C | 4|
+---+---+---------------------+---+---+-----+
我所做的是
df=df.replace（[None]，“”），regex=True）
但是我有
+---+---+---------------------+---+------+---+
|| A | B | C | D | E|
+---+---+---------------------+---+------+---+
|0 | A | 13886280000000000000 | A | 1|
|1 | B | 13886316000000000000 | B | B | 2|
|2 | 13886352000000000 | C | C ||
|3 | C | C | 4|
+---+---+---------------------+---+------+---+
- 所有的日期都变成了大数字
- 甚至
NaT和NaN都被替换了，这是我不想要的
我如何才能正确有效地实现这一点
这就足够了
df.fillna（"；，inplace=True）
df
Output[142]：
A、B、C、D、E
0A 2014-01-02 02:00:00A 1
1b 2014-01-02 03:00:00b 2
2 2014-01-02 04:00:00 C
3 C 4
编辑2021-07-26在@dWitty的评论后完成回复
如果您真的想保留Nat和NaN值而不是文本，您只需要为文本列填充Na
在你的例子中，这是A，C，D
您只需为您的列发送替换值的dict。每个列的值可以不同。对于您的案例，您只需要构建dict
替换NA的默认值（无）
#值={quot；A:quot；，“C:quot；，“D:quot；}
值=（dict（[‘A’，’C’，’D’]]on e的[e，]
df.fillna（值=值，就地=真）
df
Output[142]：
A、B、C、D、E
0A 2014-01-02 02:00:00A 1.0
1b 2014-01-02 03:00:00b 2.0
2 2014-01-02 04:00:00南
3cnatc4.0