这将是精致的，如果你能填NaN有发言权0期间读取本身。也许Pandas的git-hub中有一个功能请求是为了…

使用转换器功能

但是，暂时，您可以定义自己的函数来执行此操作并将其传递给以下converters参数read_csv：

def conv(val):
    if val == np.nan:
        return 0 # or whatever else you want to represent your NaN with
    return val

df = pd.read_csv(file, converters={colWithNaN : conv}, dtypes=...)

请注意，这converters需要一个dict，因此您需要为每个要处理NaN的列指定一个。如果影响许多色谱柱，可能会有些累。您可以指定列名称或数字作为键。

另请注意，这可能会降低read_csv性能，具体取决于converters函数的处理方式。此外，如果只有一列需要在读取过程中处理NaN，则可以跳过适当的函数定义，而使用lambda函数：

df = pd.read_csv(file, converters={colWithNaN : lambda x: 0 if x == np.nan else x}, dtypes=...)

分块阅读

您还可以将文件拼接成小块阅读，以获取最终输出。您可以通过这种方式做很多事情。这是一个说明性的示例：

result = pd.DataFrame()
df = pd.read_csv(file, chunksize=1000)
for chunk in df:
    chunk.dropna(axis=0, inplace=True) # Dropping all rows with any NaN value
    chunk[colToConvert] = chunk[colToConvert].astype(np.uint32)
    result = result.append(chunk)
del df, chunk

请注意，此方法并不严格复制数据。有一段时间，数据在语句chunk后紧接着存在两次result.append，但只chunksize重复行，这是一个合理的交易。此方法也可能比使用转换器功能更快。