另一种解决方法是手动解析xml文件，然后将其转换为csv，然后使用pd.read_csv再次读取，让Pandas推断数据类型：

from lxml import etree
from io import StringIO

data = []
root = etree.parse(local_xml_path)
for elmt in root.findall('.//string'):
    d = elmt.attrib
    d.update({elmt.tag: elmt.text})
    data.append(d)
buf = StringIO(pd.DataFrame(data).to_csv(index=False))
df = pd.read_csv(buf, keep_default_na=False)

输出：

>>> df
                                  name                   string
0         label_generate_transfer_code   Generate Transfer Code
1                     label_select_all               Select All
2                label_sequence_number    Sequence Number: %1$s
3                  label_serial_number      Serial Number: %1$s
4                          label_model              Model: %1$s
5   transfer_confirmation_feature_item                   • %1$s
6                        label_current                (Current)
7                label_primary_display          Primary Display
8              label_secondary_display        Secondary Display
9                            label_pcm                      PCM
10                      label_receiver                 Receiver
11                 label_not_available                      N/A
12                          label_menu                     Menu
13                   label_activations              Activations
14             label_activations_title  Activation Input Method

pd.read_csv函数没有参数na_values，keep_default_na或na_filter。但是在pd.read_xml的文档中，我们可以读取dtype参数：

dtype类型名称或列-〉类型的dict，可选

数据或列的数据类型。例如'a'：np.float64，'b'：np.int32，'c'：'Int 64'}使用str或object以及适当的na_values设置来保留而不解释dtype。如果指定了转换器，则将应用它们而不是dtype转换。
但是当你尝试像pd.read_xml(..., dtype=str, na_values=[])这样的东西时，Pandas会引发TypeError: read_xml() got an unexpected keyword argument 'na_values'异常。所以文档与代码不一致。
可能的解决方法：

cols = local_xml_frame.select_dtypes(object).columns
local_xml_frame[cols] = local_xml_frame[cols].fillna('N/A')