如何替换DataFrame嵌套列空值为NULL以写入Snowflake Variant列？

架构老林

2026-7-29

解决DataFrame嵌套列空字符串替换为NULL的问题

你遇到的问题是因为df.replace('', np.NAN, inplace=True)仅处理顶层标量列的空字符串，不会深入解析列中存储的嵌套字典结构，所以address字段内的空值没被替换。以下是两种可行的解决方法：

方法一：针对固定嵌套列处理

如果你的嵌套结构只有address这一列，可以单独处理该列的字典内容：

定义处理单个字典的函数：

import numpy as np

def replace_dict_empty(d):
    # 遍历字典，将空字符串替换为np.nan
    return {key: np.nan if value == "" else value for key, value in d.items()}

对address列应用该函数：

df['address'] = df['address'].apply(replace_dict_empty)

再处理顶层列的空字符串：

df.replace('', np.nan, inplace=True)

方法二：递归处理多层嵌套结构

如果DataFrame里有多层嵌套（比如字典里还有子字典、列表等），可以用递归函数遍历所有嵌套元素：

定义递归替换函数：

import numpy as np

def recursive_replace_empty(obj):
    if isinstance(obj, dict):
        return {k: recursive_replace_empty(v) for k, v in obj.items()}
    elif isinstance(obj, list):
        return [recursive_replace_empty(item) for item in obj]
    else:
        return np.nan if obj == "" else obj

对需要处理的嵌套列应用函数：

# 处理单个嵌套列
df['address'] = df['address'].apply(recursive_replace_empty)

# 如果所有列都可能有嵌套结构，遍历所有列处理
for col in df.columns:
    df[col] = df[col].apply(recursive_replace_empty)