Pandas apply函数返回None被转为numpy.nan的处理方案咨询

问题原因 #

你的推测完全正确：Pandas的数值类型列（float、int等）不支持存储Python原生None值，遇到None会自动强制转换为np.nan；只有dtype为object的列可以同时存储数值和None。
你观察到的现象本质是类型优先级的问题：

• 当apply返回全None时，Pandas自动将列转换为object类型，因此保留了None值
• 当apply返回混合的数值和None时，Pandas优先保留原有float类型，因此None被强制转为NaN

可行解决方案 #

方案1：先转object类型再替换空值 #

先将目标列转为object类型，再执行空值替换，即可保留None值，示例代码如下：

import pandas as pd
import numpy as np
df = pd.DataFrame([1,2, 4, 5, np.nan], columns = ['a'])
# 方式1：使用where替换，效率高于apply
df['a'] = df['a'].astype('object').where(df['a'].notna(), None)

# 方式2：使用apply替换（作用在object列上即可正常返回None）
df['a'] = df['a'].astype('object').apply(lambda x: x if x==x else None)

处理后列的dtype为object，空值位置会保留None而非NaN。

方案2：写入数据库时无需手动转换（可选） #

如果你最终需要将数据写入数据库，可直接使用Pandas自带的to_sql方法，无需手动将NaN替换为None：to_sql会自动将np.nan转换为数据库对应的NULL值，适配绝大多数主流数据库驱动（如SQLAlchemy对接的MySQL、PostgreSQL等），可以省掉手动转换的步骤。

内容的提问来源于stack exchange，提问作者Arch Desai