将NaN ”替换为np.nan

在Pandas中，NaN代表“Not a Number”，表示缺失值。当你想要把其他类型的缺失值（可能是字符串形式的'NaN'或None）转换成Pandas专门处理缺失值的NaN对象时，可以使用`replace()`或者`astype()`方法配合`numpy.nan`。

例如，假设你有一个DataFrame `df`，其中某一列`column_name`含有'NaN'这样的字符串形式的缺失值，你可以这样做：

import numpy as np
import pandas as pd

# 假设 df['column_name'] 中有 'NaN'
df['column_name'].replace('NaN', np.nan, inplace=True)

这里，`inplace=True`意味着直接在原始DataFrame上进行修改。如果不想改变原数据，可以省略`inplace=True`，并得到一个新的Series。

同样，你也可以先将整个列转换为浮点数类型，再用`np.nan`替换非数字值：

df['column_name'] = df['column_name'].astype(float).fillna(np.nan)