如何让pandas.read_sql始终将NULL值转换为NaN值？

针对你遇到的情况，有几种可靠的方法能让value列始终保持浮点型且NULL值转为NaN：

• 方法一：读取时指定列类型
  在read_sql中通过dtype参数直接指定value列的类型为float，强制pandas将该列解析为浮点型，即使结果全为NULL也会转为NaN：

  import pandas as pd
  df = pd.read_sql(your_query, your_connection, dtype={'value': float})
  

• 方法二：读取后转换列类型
  如果无法提前确定类型，读取完成后用pd.to_numeric转换列，errors='coerce'会将非数值（包括None）转为NaN：

  df['value'] = pd.to_numeric(df['value'], errors='coerce')
  

• 方法三：在SQL查询中强制类型
  修改SQL语句，用CAST将value列强制转为浮点型，让数据库返回明确的数值类型，pandas就能直接识别为浮点列：

  SELECT date, CAST(value AS FLOAT) AS value
  FROM your_table
  WHERE date BETWEEN '2023-10-03 00:00:00' AND '2023-10-04 00:00:00'
  

原因说明 #

当查询结果中value列全为NULL时，pandas无法从数据库返回的结果元数据中确定该列的原始数值类型，因此默认用object类型存储None值。上面的三种方法分别从读取前指定类型、读取后转换、数据源强制类型三个层面解决了这个问题。

内容的提问来源于stack exchange，提问作者Thomas Arildsen