如何使用pd.read_sql从SQL表读取NULL值时统一返回为None而非NaN？

出现同列同时存在NaN和None的原因是：pandas默认读取SQL Server数据时，数值类型列的NULL会被转换为numpy的NaN浮点空值，对象类型列的NULL会被转换为Python原生None，两种空值混存是类型自动推断的结果。

下面是两种可行的实现方案：

方案1：读取时直接指定参数统一输出None #

调用pd.read_sql()时添加coerce_float=False参数，关闭pandas自动将数值类NULL强制转换为浮点NaN的逻辑，所有SQL NULL会直接以None形式存入DataFrame：

import pandas as pd
import pyodbc

# 数据库连接示例（根据你的实际配置修改）
conn = pyodbc.connect('DRIVER={ODBC Driver 17 for SQL Server};SERVER=你的服务器地址;DATABASE=目标数据库名;UID=账号;PWD=密码')
# 读取时添加coerce_float参数
df = pd.read_sql("SELECT * FROM 你的查询表名", con=conn, coerce_float=False)

方案2：读取完成后批量替换所有NaN为None #

如果已经完成数据读取，可以直接对已生成的DataFrame做全局替换：

# 全局替换所有NaN为None
df = df.where(df.notna(), None)

如果仅需要处理指定列（比如示例中的Value列），可以单独修改：

# 仅替换Value列的NaN为None
df['Value'] = df['Value'].where(df['Value'].notna(), None)

注意：如果目标列原本是int、float等数值类型，替换为None后列类型会自动变为object类型，这是pandas数值类型不支持存储原生None的正常表现。

内容的提问来源于stack exchange，提问作者Tanmay Ghosh