pandas read_csv 保留 NA 字符串：利用 keep_default_na 避免误转 NaN

问题背景：NA 字符串被误转为 NaN

在处理 CSV 数据并加载至 DataFrame 时，常遇到某些列包含 'NA' 字符串的情况。此时，'NA' 应被视为一个有效的数据层级，而非缺失值。然而，pandas 的 read_csv 函数默认会将此类字符串识别为缺失值，并将其转换为 NaN。

默认行为与 na_values 参数

查阅 pandas 文档可知，read_csv 函数默认会将一系列特定字符串（包括 '-1.#IND', '1.#QNAN', '#N/A N/A', '#N/A', 'N/A', 'NA', '#NA', 'NULL', 'NaN', '-NaN', 'nan', '-nan', 以及空字符串 ''）转换为 NaN。此外，na_values 参数允许用户自定义其他需视为缺失值的字符串。

解决方案：使用 keep_default_na 参数

关键在于 keep_default_na 参数，它用于控制是否保留默认的缺失值转换列表。若将该参数设置为 False，且未定义 na_values 参数，则 read_csv 在读取文件时将不会把任何值转换为 NaN，从而保留原始字符串数据。

代码示例

示例代码如下：

import pandas as pd
df = pd.read_csv('train.csv', keep_default_na=False)

以上介绍了 pandas 中 read_csv 处理缺失值的特定场景及解决方案，希望对读者有所帮助。