熊猫：nan->无答案

【问题标题】：Pandas: nan->None熊猫：nan->无
【发布时间】：2018-07-05 07:27:36
【问题描述】：

pandas.DataFrame.to_dict 将 nan 转换为 nan 和 null 转换为 None。正如Python comparison ignoring nan 中所解释的，这有时不是最理想的。

有没有办法将所有nans 转换为None？（在pandas 或更高版本的 Python 中）

例如，

>>> df = pd.DataFrame({"a":[1,None],"b":[None,"foo"]})
>>> df
     a     b
0  1.0  None
1  NaN   foo
>>> df.to_dict()
{'a': {0: 1.0, 1: nan}, 'b': {0: None, 1: 'foo'}}

我想要

{'a': {0: 1.0, 1: None}, 'b': {0: None, 1: 'foo'}}

改为。

【问题讨论】：

标签： python python-2.7 pandas nan

【解决方案1】：

import pandas as pd

df = pd.DataFrame({"a":[1,None],"b":[None,"foo"]})
df.where((pd.notnull(df)), None)
Out[850]: 
      a     b
0     1  None
1  None   foo
df.where((pd.notnull(df)), None).to_dict()
Out[851]: {'a': {0: 1.0, 1: None}, 'b': {0: None, 1: 'foo'}}

【讨论】：

我会注意到它做同样的事情，将每一列转换为对象类型，只是它分两步完成。
@cᴏʟᴅsᴘᴇᴇᴅ 是的，你是对的，几乎一样:-)
只是提到，因为 OP 似乎认为这是将数据转换为字符串（事实并非如此！）。
@cᴏʟᴅsᴘᴇᴇᴅ：这与您的建议不同，因为它适用于外部生成的 DataFrame，而不是从头开始创建通用 DF。
@sds 我知道它的作用。我在之前的评论中的观点是，最终结果是相同的（通用数据框），而不是您最初推测的字符串数据框。我只是在解决您的误解，仅此而已。

【解决方案2】：

初始化为对象 DataFrame（后果自负...）：

df = pd.DataFrame({"a":[1,None],"b":[None,"foo"]}, dtype=object)    
df

      a     b
0     1  None
1  None   foo

在第一列中，pandas 尝试推断 dtype，并猜测浮点数。您可以通过强制它保持object 来防止这种情况发生，从而完全抑制任何类型的转换。

【讨论】：

这是作弊。我在DataFrame 中有 numeric 列，将其转换为字符串会丢失信息。
@sds 不，没有发生字符串转换。
每一列都被初始化为python对象的列。 Pandas 不再对其内容进行假设，而是采用缓慢的操作方法。
我有一种感觉，虽然df = pd.DataFrame({"a":[1,None],"b":[None,"foo"]}) 是一个 MCVE，可以让首发 DF 玩。实际上，如果您处于流程链的末端，那么在 to_dict() 之前将整个生成的 DF 转换为 object 是否有意义？
@sds object != str