pandas 实现将NaN转换为None

在Python中，利用pandas库进行数据处理是一项高效且便捷的操作。

然而，在从外部来源读取数据时，往往需要处理一些异常值。

例如，当从Excel文件读取数据并调用接口写入数据库时，读取到的空值通常表现为NaN，而接口要求的对应单元格数据应为None。此时，如何利用pandas轻松完成这一转换呢？答案同样简单。

具体示例如下：

原始数据展示：

示例代码实现：

import pandas as pd        
df = pd.read_excel('data/test_data.xlsx')
# 将非空数据保留，空数据用None替换
df = df.where(df.notnull(), None)
print(df)

运行输出结果：

id value

0 1 100

1 2 None

2 3 None

3 4 50

补充说明：Pandas中NaN与None的处理差异

在处理数据过程中遇到了上述问题。

数据库中的存储值为null。

读取数据库后，得到的DataFrame中显示为None。

试图将这些None值转换为0.0，但尝试多种方法均未成功。

曾使用过以下方法：

df['PLANDAY'].replace('None',0)

该方法未奏效。

此判断语句生效：

df.loc[0,'PLANDAY'] is None:

随后发现，该数据类型实际为NaN而非None。

因此，采用相应方法解决了上述问题。

df['PLANDAY'] = df['PLANDAY'].fillna(0.0)

以上为个人经验分享，希望能对大家有所帮助，也希望大家多多支持本站。