Python中使用df.to_json时如何将None替换为NaN以适配PostgreSQL入库

你的问题核心在于Pandas默认会把DataFrame中的NaN序列化为JSON的null（对应Python的None），而直接用字符串替换的方式行不通——因为np.NaN是浮点类型，str.replace()要求替换值必须是字符串，所以才会报错。下面给你两种可靠的解决方法：

方法一：利用Pandas to_json的原生参数（推荐，Pandas 1.0+适用） #

Pandas从1.0.0版本开始，to_json方法新增了na参数，可以直接指定NaN的序列化方式。你只需要把na设为"NaN"，就能让原DataFrame中的NaN被序列化为字符串形式的"NaN"：

df_json = df.to_json(orient="records", na="NaN")

如果后续导入PostgreSQL时，你的字段是数值类型（比如float8），PostgreSQL会自动把字符串"NaN"识别为数值NaN，满足你的需求。

方法二：用Python json模块手动序列化（兼容旧版Pandas） #

如果你的Pandas版本低于1.0.0，或者需要JSON中的NaN是数值类型而非字符串，可以先把DataFrame转成字典列表，再用json.dumps并开启allow_nan=True参数：

import json

# 将DataFrame转为records格式的字典列表
records = df.to_dict(orient="records")
# 序列化时允许保留NaN数值
df_json = json.dumps(records, allow_nan=True)

这种方式生成的JSON里，NaN会以数值形式存在，PostgreSQL的数值类型字段可以直接识别为NaN，无需额外转换。

注意事项 #

• 避免直接用字符串替换"None"的方式，因为如果你的数据中本身存在内容为"None"的字符串，会被误替换，导致数据错误。
• PostgreSQL的数值类型（如float8、numeric）支持NaN值，但字符类型字段无法存储NaN，确保你的目标字段类型正确。

内容的提问来源于stack exchange，提问作者nomnom3214