合并DataFrame后无法将NaN替换为None的问题求助

你遇到的问题核心是两点：一是Pandas数值类型列无法直接存储None，会自动转成NaN；二是你调用replace时没对结果赋值，也没启用inplace=True，导致原数据没被修改。

正确解决方法 #

方法一：先转列类型再替换

import pandas as pd
import numpy as np

df1 = pd.DataFrame({'a': ['foo', 'bar'], 'b': [1, 2]})
df2 = pd.DataFrame({'a': ['foo', 'baz'], 'c': [3, 4]})

final_df = df1.merge(df2, how='left', on='a')
# 将需要替换的列转为object类型（支持存None）
final_df['c'] = final_df['c'].astype(object)
# 替换NaN为None，同时启用inplace修改原数据
final_df.replace(np.NaN, None, inplace=True)
print(final_df)

方法二：使用fillna指定value=None

final_df = df1.merge(df2, how='left', on='a')
# 转类型+填充一步完成
final_df['c'] = final_df['c'].astype(object).fillna(value=None)

关键说明 #

• 数值类型列（int/float）不支持存储None，Pandas会自动把None转成NaN，所以必须先将列转为object类型。
• Pandas的大多数方法默认返回数据副本，不会修改原数据，要么用inplace=True，要么把结果赋值给新变量。

内容的提问来源于stack exchange，提问作者Vyshnavi