将含NaN的Pandas DataFrame存入SQL Server nvarchar列出现n.n问题

• Pandas里的NaN是数值类型的缺失标记，并非字符串类型的合法空值。当你的validation字符串列混入NaN时，Pandas不会自动将其映射为SQL的NULL，而是把NaN转换成了字符串'nan'。
• pyodbc执行插入操作时，会直接把这个'nan'字符串写入SQL Server的nvarchar(max)列。你看到的n.n是数据展示工具的渲染异常，实际存入的是'nan'字符串。
• 其他可空列无此问题，是因为那些列的缺失值类型和对应SQL列类型匹配（比如数值列的NaN会被pyodbc正确转为SQL的NULL），但字符串列的NaN因类型不兼容，被当作普通字符串处理了。

补充验证 #

你可以在插入前执行以下代码查看validation列的实际值类型：

print(df['validation'].apply(type))

会发现NaN对应的类型是float而非str，这就是问题的根源。

内容的提问来源于stack exchange，提问作者Nandha Kumar