熊猫在csv列中读取为float并将空单元格设置为0
问题内容：
是否可以将CSV作为大熊猫DataFrame读取并在一行中将空格（或空单元格）设置为0？下面是问题的说明。
输入：
$ csvlook data.csv
|------+---+------|
| a | b | c |
|------+---+------|
| | a | 0.0 |
| 0 | b | 1.0 |
| 1.5 | c | 2.5 |
| 2.1 | d | 3.0 |
|------+---+------|
我想要的是：
python% print(df)
a b c
0 0 a 0.0
1 0 b 1.0
2 1.5 c 2.5
3 2.1 d 3.0
我尝试过的
df = pd.read_csv('data.csv', dtype={'a': float, 'b': str, 'c': float})
由于a列第0行中的空白，它会抛出ValueError：
ValueError: could not convert string to float:
用熊猫读取CSV时，是否可以用0替换字符串？
生成测试数据的代码：
如果您想尝试一下，下面是上面示例中用于生成测试数据的几行：
import pandas as pd
df = pd.DataFrame({'a':[' ', 0, 1.5, 2.1], 'b':['a', 'b', 'c', 'd'], 'c': [0, 1, 2.5, 3]})
df.to_csv('data.csv', index=False)
问题答案：
熊猫会自动使用NaN读取空值，因此只需使用fillna方法将其填充即可，并设置所需的新值（本例中为0）。
import pandas as pd
df = pd.read_csv('data.csv').fillna(value = 0)
产生：
a b c
0 0.0 a 0.0
1 0.0 b 1.0
2 1.5 c 2.5
3 2.1 d 3.0
另外，您可以通过传递字典为每列设置不同的值。假设我们有以下csv文件：
a b c
0 NaN a 0.0
1 0.0 b 1.0
2 1.5 NaN 2.5
3 2.1 d NaN
如果我们希望它与以前一样，我们应该做：
pd.read_csv('data.csv').fillna(value = {'a':0,'b':'c','c':3})
再次屈服：
a b c
0 0.0 a 0.0
1 0.0 b 1.0
2 1.5 c 2.5
3 2.1 d 3.0
