如果您想使用numpy，也可以这样做（如果字段中的值确实是字符串）

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'name' : ['one', 'two', 'one', 'two'],
    'A' : ['null', 'none', 'empty', 'Keep']
})

df['A'] = np.where(df['A'].isin(['null', 'none', 'empty']), '', df['A'])
df

快速、轻松的优化：

for column in df.columns:
    for idx, row in df.iterrows():
        col = str(row[column]).lower()
        if (col == "none") or if (col == "nan") or (col == "null"):
            df.at[row.name, column] = None

不需要将row[column]转换为str，然后对每个字符迭代3次。
短代码：

its_none = ['none', 'nan', 'null']
for column in df.columns:
    for idx, row in df.iterrows():
        if str(row[column]).lower() in its_none:
            df.at[row.name, column] = None

甚至更短（我猜你期待的是一个数字）和更优化：

for column in df.columns:
    for idx, row in df.iterrows():
        if str(row[column]).lower().startswith('n'):
            df.at[row.name, column] = None

这似乎是一个有争议的主题（例如，参见本线程），但人们经常说列表解析比for循环在计算上更高效，尤其是在panda Dataframe 上迭代时。
我也更喜欢在风格上使用列表解析，因为它导致嵌套循环/if语句的缩进级别更少。
以下是您的使用案例的外观：

for column in df.columns:
    vals_list = df[column].to_list()
    replaced = [None if str(x).lower() in ['nan', 'none', 'null'] else x for x in vals_list]
    df[column] = replaced

简单方法，使用isin和mask：

df = pd.DataFrame([[1,2,'nan'],
                   ['none',3,'NULL']])

df_clean = df.mask(df.isin(["nan", "none", "NULL"]))

或者，如果要就地更新：

df[df.isin(["nan", "none", "NULL"])] = float('nan')

输出量：

0  1    2
0    1  2  NaN
1  NaN  3  NaN