如果你想用Python的None来规范化所有的null。

df.fillna(np.nan).replace([np.nan], [None])

字符串
第一个fillna将用Numpy的NaN替换所有（None，NAT，np.nan等），然后用python的None替换Numpy的NaN。

设置

考虑示例框架df

df = pd.DataFrame(dict(A=[1, None], B=[None, 2], C=[None, 'D']))

df

     A    B     C
0  1.0  NaN  None
1  NaN  2.0     D

字符串
我可以确认错误

df.fillna(dict(A=1, B=None, C=4))

ValueError: must specify a fill method or value

这是因为pandas循环遍历字典中的键，并为每个相关列执行fillna。

Series.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)

型
您将看到默认值为None。

df.A.fillna(None)

型
或等效地

df.A.fillna()

型
我要补充的是，考虑到你试图用空值填充空值，我并不感到非常惊讶。
你需要的是

解决方案

在你想用非空值填充的列上使用pd.DataFrame.fillna。然后在你想用一个空值交换另一个空值的特定列上使用pd.DataFrame.replace。

df.fillna(dict(A=1, C=2)).replace(dict(B={np.nan: None}))

     A     B  C
0  1.0  None  2
1  1.0     2  D

型

您使用的是哪种类型的数据结构？这适用于pandas Series：

import pandas as pd

d = pd.Series({'first_name': 'Andrii', 'last_name':'Furmanets', 'created_at':None})
d = d.fillna('DATE')

字符串

用None填充的另一种方法。我在pandas 0.24.0上，我这样做是为了将NULL值插入到POSTGRES数据库中。

# Stealing @pIRSquared dataframe
df = pd.DataFrame(dict(A=[1, None], B=[None, 2], C=[None, 'D']))

df

     A    B     C
0  1.0  NaN  None
1  NaN  2.0     D

# fill NaN with None. Basically it says, fill with None whenever you see NULL value.
df['A'] = np.where(df['A'].isnull(), None, df['A'])
df['B'] = np.where(df['B'].isnull(), None, df['B'])

# Result
df

     A    B     C
0  1.0  None  None
1  None  2.0     D

字符串

**解决方案：**使用pandas pd.NA，而不是基本的Python None

df = pd.DataFrame({'first_name':pd.NA, 'last_name':pd.NA, 'created_at':pd.NA}, index=[0])

df = df.fillna(value={'first_name':'Andrii', 'last_name':'Furmanets', 'created_at':pd.NA})

字符串
通常情况下，最好保持pandas NA不变。不要尝试更改它。NA的存在是一个特性，而不是问题。NA在其他pandas函数中得到正确处理（但不是numpy）

• 如果你坚持认为python None应该替换pandas NA's，那么请告诉我们NA导致问题的地方后面的缺失代码;这通常是XY问题。