为何无法直接将pandas Series的np.nan设为None，需先赋值字符串？

你的代码里直接给数值类型的Series元素赋值None无效，本质是Pandas的 dtype 机制导致的：

• 初始的Series因为包含np.nan，dtype自动设为float64（numpy的数值类型），这种类型的数组无法存储Python原生的None对象——当你赋值None时，Pandas会自动把它转成np.nan，以此匹配列的数值类型。
• 先赋值字符串"Test"时，这个操作会触发Series的 dtype 从float64转为object（object类型可以存储任意Python对象），此时再赋值None就可以被正常存储了。

没必要手动遍历赋值，用Pandas内置方法更高效且优雅：

方法1：用where替换空值 #

import pandas as pd
import numpy as np

stagedInserts = [
    pd.Series({"one": 3, "two": 4, "three": np.nan})
]

# 遍历列表中的每个Series，替换nan为None
stagedInserts = [s.where(pd.notna(s), None) for s in stagedInserts]

方法2：用astype转object后替换 #

如果需要确保Series能稳定存储None，可以先转成object类型再替换：

for idx, s in enumerate(stagedInserts):
    # 转object类型后替换nan为None
    stagedInserts[idx] = s.astype(object).replace(np.nan, None)

验证结果 #

执行后打印stagedInserts，会看到three的值已经变成None：

print(stagedInserts)
# 输出：[one       3
#        two       4
#        three    None
#        dtype: object]

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