如何处理从SQL Server导入Pandas DataFrame后的空值问题

我来帮你理清这个问题的核心，以及对应的解决方案：

为什么你之前的方法无效？ #

先拆解下你遇到的问题：

• 用df.nim == 'None'判断：这里是把列里的元素和**字符串'None'**做比较，但实际从SQL Server过来的空值是Python的None对象，不是字符串，所以所有比较结果都是False，自然输出2。
• 用df.nim is None判断：这是在判断整个df.nim这个Series对象本身是否为None，而不是检查列里的元素，显然这个Series是存在的，所以输出也是2。
• 关于fillna和replace无效：可能是你调用的方式不对——直接传None给replace时，需要明确指定是替换元素级的None，而不是全局参数。

正确的处理方法 #

1. 先确认空值位置

首先可以用Pandas内置的空值检查方法，准确识别列中的None或NaN：

# 检查整个DataFrame的空值情况
print(df.isna())
# 或者单独检查某一列
print(df['nim'].isna())

这会返回一个布尔型结果，标记出所有空值的位置。

2. 批量替换所有空值

如果要对DataFrame中所有存在空值的列统一替换为指定值，直接用fillna即可——它能同时处理Python的None和numpy的NaN：

# 替换所有空值为你想要的默认值，比如'0'或者'未填写'
df.fillna('未填写', inplace=True)

如果不想修改原DataFrame，可以去掉inplace=True，赋值给新变量：

new_df = df.fillna('未填写')

3. 先将None转为NaN再处理（可选）

如果你需要统一空值类型（比如后续要做数值计算），可以先把所有None转换成numpy的NaN，再进行操作：

import numpy as np
# 批量替换所有列中的None为NaN
df.replace({None: np.nan}, inplace=True)
# 再填充NaN为指定值
df.fillna(0, inplace=True)  # 比如填充为0

4. 验证处理结果

处理完后可以打印DataFrame和数据类型，确认空值已被替换：

print(df)
print(df.dtypes)

额外提示 #

如果某列原本是数值类型，但因为空值变成了object类型，处理完空值后可以重新转换类型：

# 比如把nim列转为字符串类型
df['nim'] = df['nim'].astype(str)
# 或者转为整数类型（如果填充的值是数字）
df['nim'] = df['nim'].astype(int)

内容的提问来源于stack exchange，提问作者OhMikeGod