如何用Pandas原样解析含"None"的多语言翻译CSV文件？

正在处理一个包含翻译编号ID及多语言条目的大型CSV文件，这些条目是应用的本地化字符串。在解析并修改条目时，遇到了CSV中存在独立字符串"None"的问题。

测试CSV示例（test.csv）：

2759,Keine,Keine,null,nan,,Nessuno,Žádné,Ingen,Nenhum,Nada,无,無し,Brak,無
2762,Keine,"None",Нет,Aucun,None,Nessuno,Žádné,Ingen,Nenhum,Nada,无,無し,Brak,無

设置不同的null相关值测试Pandas解析器，其中空条目是翻译工作中的正常情况，需解析为空字符串。但运行读取脚本后，所有"None"、"null"、"nan"及空条目都被解析为NaN。

尝试用fillna('')会保留空字段但清除所有"None"；尝试先替换[None]为占位符再复原的方法，却将所有NaN转为了"None"，不符合需求。希望找到方法让Pandas原样解析CSV，保留原有值，不想手动解析而丢失Pandas的便捷功能。

可以通过配置Pandas读取CSV时的参数，精准控制值的解析规则，同时保留Pandas的便捷功能：

• 仅将空条目解析为NaN：关闭默认的NaN识别规则，只指定空字符串为要转为NaN的对象，最后再将NaN转为空字符串，这样"None"、"null"、"nan"都会原样保留。
  示例代码：

  import pandas as pd
  
  df = pd.read_csv('test.csv', na_values=[''], keep_default_na=False)
  df = df.fillna('')
  

  其中keep_default_na=False会禁用Pandas默认识别为NaN的列表（默认包含"None"、"null"、"nan"等），na_values=['']仅标记空条目为NaN，后续fillna('')将其转为空字符串。

• 精准指定需转为NaN的值：如果需要把"null"、"nan"转为空字符串但保留"None"，可以在na_values中明确列出目标值：

  df = pd.read_csv('test.csv', na_values=['null', 'nan', ''], keep_default_na=False)
  df = df.fillna('')
  

• 强制所有列为字符串类型：通过dtype=str让Pandas直接以字符串格式读取所有列，不会自动解析任何值为NaN，空条目会被转为空字符串，其他字符串完整保留：

  df = pd.read_csv('test.csv', dtype=str)
  

  若需要ID列保持数值类型，可单独指定列类型：

  df = pd.read_csv('test.csv', dtype={'ID': int})
  

内容的提问来源于stack exchange，提问作者Hadi Farah