Python DataFrame替换空值/NaN为None存数据库时变为字符串"None"的问题

你的代码问题出在先把列转成了字符串类型（astype(str)），字符串列里无法存储Python的None，pandas会自动把None转成字符串"None"，所以数据库里存的是字符串而非NULL。

下面是两种靠谱的解决方法：

方法一：逐元素精准处理 #

直接针对每个元素判断，处理NaN和strip后的空字符串，同时保留有效字符串的格式：

import pandas as pd

target_cols = ['column1', 'column2', 'column3']

for col in target_cols:
    df[col] = df[col].apply(
        lambda x: None if pd.isna(x) or (isinstance(x, str) and x.strip() == '') 
        else x.strip() if isinstance(x, str) 
        else x
    )

方法二：批量替换更简洁 #

先把空字符串转成NaN，再统一把NaN替换为None：

import pandas as pd
import numpy as np

target_cols = ['column1', 'column2', 'column3']

# 先给所有字符串去空格，空字符串转成NaN
df[target_cols] = df[target_cols].apply(lambda x: x.str.strip().replace('', np.nan))
# 把NaN替换为None，确保列是object类型
df[target_cols] = df[target_cols].astype(object).where(df[target_cols].notna(), None)

如果用pandas 1.0及以上版本，还可以用nullable字符串类型（更规范）：

import pandas as pd

target_cols = ['column1', 'column2', 'column3']

# 转为支持空值的字符串类型
df[target_cols] = df[target_cols].astype(pd.StringDtype())
# 去空格后把空字符串转成pd.NA
df[target_cols] = df[target_cols].str.strip().replace('', pd.NA)
# 转成None适配数据库驱动
df[target_cols] = df[target_cols].replace(pd.NA, None)

处理后，DataFrame里的对应值是Python原生的None，数据库驱动会自动把它转换成SQL的NULL存入数据库。

内容的提问来源于stack exchange，提问作者Py Ton