df = df.fillna('')

这将填充na’s（例如NaN's）与''。
inplace是可能的，但应避免为it makes a copy internally anyway, and it will be deprecated：

df.fillna('', inplace=True)

要仅填充单个列，请执行以下操作：

df.column1 = df.column1.fillna('')

可以使用df['column1']代替df.column1。

import numpy as np
df1 = df.replace(np.nan, '', regex=True)

这个可能会有帮助它将用空字符串替换所有NaN。

如果您从文件（例如CSV或Excel）阅读 Dataframe ，则用途：

df.read_csv(path , na_filter=False)

df.read_excel(path , na_filter=False)

这将自动将空字段视为空字符串''
如果您已经有了 Dataframe

df = df.replace(np.nan, '', regex=True)

df = df.fillna('')

使用格式化程序，如果您只想格式化它，以便它在打印时呈现得很好。只需使用df.to_string(... formatters来定义自定义字符串格式，而无需不必要地修改DataFrame或浪费内存：

df = pd.DataFrame({
    'A': ['a', 'b', 'c'],
    'B': [np.nan, 1, np.nan],
    'C': ['read', 'unread', 'read']})
print df.to_string(
    formatters={'B': lambda x: '' if pd.isnull(x) else '{:.0f}'.format(x)})

获取：

A B       C
0  a      read
1  b 1  unread
2  c      read

试试这个
添加inplace=True

import numpy as np
df.replace(np.NaN, '', inplace=True)

使用keep_default_na=False可以帮助您：

df = pd.read_csv(filename, keep_default_na=False)

如果您正在将DataFrame转换为JSON，则NaN将给予错误，因此在此用例中，最佳解决方案是将NaN替换为None。
具体操作如下：

df1 = df.where((pd.notnull(df)), None)

我尝试用nan处理一列字符串值。
删除nan并填充空字符串：
df.columnname.replace(np.nan,'',regex = True)
要删除nan并填充一些值，请执行以下操作：
df.columnname.replace(np.nan,'value',regex = True)
我也试过了。但是它需要列的索引。所以你得再看一遍table简单地，上述方法减少了一个步骤。