假设DataFrame中有NaN或空字符串，则可以用途：

df.update(df.loc[:, 'A':'C'].replace('', 0).fillna(0))

• 注意：没有输出，DataFrame已在适当位置修改 *

还请注意，更改值并不会更改dtype。如果需要整数，请运行：

cols = df.loc[:, 'A':'C'].columns
df[cols] = df[cols].replace('', 0).fillna(0).astype(int)

更新的df：

corpus zero_level_name time labels  A  B  C
0     ff                    f         1  1  0
1     gg               g    G         0  0  0
2     hh               h    H         1  1  1
3     ii               i    I         0  0  0
4     jj               j    J         1  0  0

如果只有空字符串：

df.update(df.loc[:, 'A':'C'].replace('', 0))

或仅限NaN：

df.update(df.loc[:, 'A':'C'].fillna(0))

因此，可能有更好的方法来做到这一点-但首先想到的是：

pd.concat([df[['corpus', 'zero_level_name', 'time', 'labels']],df[['A','B','C']].fillna(0)], axis=1)

我想这就是你要找的了（其他列按原样，A-〉C用0填充空白，得到一个df）

import numpy as np
import pandas as pd

df = pd.DataFrame(
    data=np.array([
        ['ff', 'gg', 'hh', 'ii', 'jj'],
        [None, 'g', 'h', 'i', 'j'],
        ['f', 'G', 'H', 'I', 'J'],
        [None, None, None, None, None],
        [1, None, 1, None, 1],
        [1, None, 1, None, None],
        [None, None, 1, None, None]

    ]).T,
    columns=['corpus', 'zero_level_name', 'time', 'labels', 'A', 'B', 'C'],
)

df[['A', 'B', 'C']] = df[['A', 'B', 'C']].fillna(0)

选择相关列并应用掩码。

cols = ['A', 'B', 'C']
df[cols] = df[cols].mask(df[cols] == '', 0)