pandas缺失值处理之——如何消去Nan值对数字型字符串数据类型的影响，让数字型字符串保持原始str类型，而不会自动变为float类型？

在利用pandas处理表格时，每每有时咱们用表格作的测试用例每每会设计考一些必填项*故意赋值为空（表明不输入）的测试用例，

好比说咱们的手机号、身份证号码、社会统一信用代码等都是数字型字符串。以下所示：

pandas读取表格，会把表格中的空单元格置为float类型的Nan值，会致使数字型字符串列的数据类型从原始的str类型自动转换为float类型，以下图所示：

读取的效果：

从上图可看出，pandas读取excel时，遇到空白单元格会自动置为nan值，float型。

致使原始表格中的文本类型的social_code（社会信用代码）和 telno（手机号）从原始的本文str类型转变为了float类型，致使数据显示错误，不是咱们想要的结果。

 

那如何将nan值所有置为空，而且还不会影响原始表格中的数字型字符串呢？？？

咱们能够在读取表格时，就以字符串型读取，以下图所示：

效果以下：

这时，原始的数字型字符串数据就不会受到nan值的影响了。

若是须要对nan值进行替换，直接采用fillna()填充便可。

 

替换、填充效果：

 

这样就完成了~~~~