如果你用pd.read_csv()阅读csv，你可以传递na_values。

# to treat '?' as NaN in all columns:
pd.read_csv(fname, na_values='?')

# to treat '?' as NaN in just the occupation column:
pd.read_csv(fname, na_values={'occupation': '?'})

然后，您可以根据需要对该列执行dropna或fillna('')操作。

清除白色并使用“unselect”筛选器：

import pandas as pd
bugs = ['grasshopper','cricket','ant','spider']
fruit = ['lemon','komquat','watermelon','apple']
squashed = ['  ?   ','Yes','No','Eww']

df = pd.DataFrame(list(zip(bugs,fruit,squashed)), columns = ['Bugs','Fruit','Squashed'])
print(df.head())

df = df[df['Squashed'].apply(lambda x: x.strip()) != '?']
print('after stripping white space and after unselect')
print(df.head())

"为什么"
dataframe方法.dropna（）不会检测空白（即''），但会查找Nan或NaT或None。
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.dropna.html
但是，使用.replace（）将值设置为missing将不起作用，因为.replace（）要求类型匹配，而None与列中已有的任何类型都不匹配。
最好清理白色（这是一个简单的例子），在每个条目上使用lambda来应用字符串转换。

你可以试试这个

df = df[df.occupation != "?"]