Pandas插入空行异常：None/np.nan意外转为字符串问题

核心问题原因 #

1. None变成字符串：你的add_nan_rows函数中构造空行的逻辑可能误用了空字符串''而非None，或者从其他数据源引入了空字符串值，导致插入的"空行"实际是字符串类型的空值。
2. np.nan显示为float类型：np.nan本身属于float类型，pandas的默认数值列（如int64）无法容纳缺失值，会自动将列类型转换为float64来存储np.nan，这是numpy的底层限制（无原生整数型缺失值）。

具体修正步骤 #

1. 修复空行构造逻辑 #

检查add_nan_rows中插入空行的代码，确保用None或pd.NA（pandas 2.0+推荐）构造空行，而非空字符串：

def add_nan_rows(df, target_col):
    # 遍历目标列，检测值变化位置
    insert_indices = []
    prev_val = df[target_col].iloc[0]
    for idx, val in enumerate(df[target_col].iloc[1:], start=1):
        if val != prev_val:
            insert_indices.append(idx)
            prev_val = val
    
    # 从后往前插入空行（避免索引偏移）
    for idx in reversed(insert_indices):
        # 用pd.NA构造匹配原列类型的空行
        empty_row = pd.Series([pd.NA]*len(df.columns), index=df.columns)
        df = pd.concat([df.iloc[:idx], empty_row.to_frame().T, df.iloc[idx:]], ignore_index=True)
    return df

2. 保留整数列的缺失值类型 #

如果你的NUM_DOCUMENTO列是整数类型，需要将其转换为pandas的Nullable Integer类型（Int64，注意大写I），这样可以在保留整数类型的同时存储缺失值：

# 转换列类型为Nullable Integer
df['NUM_DOCUMENTO'] = df['NUM_DOCUMENTO'].astype('Int64')

此时插入pd.NA后，列类型仍为Int64，写入Excel时会显示为空白单元格，而非float类型的NaN。

3. 正确写入Excel #

确保使用openpyxl引擎（pandas 2.0+默认支持）写入xlsx，避免旧引擎的兼容性问题：

df.to_excel('output.xlsx', engine='openpyxl', index=False)

验证结果 #

• 使用pd.NA构造空行并配合Nullable列类型，DataFrame中会显示<NA>，写入Excel后对应单元格为空白。
• 若无需保留整数类型，直接使用np.nan是正常行为，Excel中仍会显示空白，只是DataFrame内显示为float类型的NaN，不影响最终输出效果。

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