不幸的是没有如果您想从数据类型的自动检测中获益，则不需要。
如果在数字列中有NaN（或任何字符串），则可以用途：

df = pd.read_csv('test.csv', keep_default_na=False, na_values=['NaN'])

字符串
但是在这里，空字符串对于自动定义数字列很重要。
在您的情况下，这将错误地将所有内容设置为object：

StrCol FloatCol
0      a      1.0
1      b      1.1
2             1.2
3      d         
4      e      1.3

df.dtypes

StrCol      object
FloatCol    object
dtype: object

型
另一种方法（仍然是相同的逻辑）：

out = (pd.read_csv(data)
         .pipe(lambda d: d.combine_first(d.select_dtypes(exclude='number')
                                          .fillna(''))[d.columns])
      )

型
输出量：

StrCol  FloatCol
0      a       1.0
1      b       1.1
2              1.2
3      d       NaN
4      e       1.3

df.dtypes

StrCol       object
FloatCol    float64
dtype: object

型

下面是更精确的代码：

import pandas as pd

df = pd.read_csv("test.csv", keep_default_na=False, na_values={'FloatCol': ''})

字符串