在python中，用pandas处理数据非常方便。特别是当数据里有异常值的时候，pandas异常值处理的方式就是将NaN的数据转化为None，那么pandas怎么将NaN转化为None呢？接下来的这篇文章带你了解。

但是有时候从其他地方读取数据时，会有异常值需要处理。

比如，我们要从excel读取数据然后调用接口写入数据库时，读取到的空值是NaN，但是，接口接收的对应单元格数据应该是None，这时候怎么处理呢？当然，用pandas做这个事也是非常容易的。

示例如下：

原始数据：

示例代码：

import pandas as pd        
df = pd.read_excel('data/test_data.xlsx')
# 将非空数据保留，空数据用None替换
df = df.where(df.notnull(), None)
print(df)

输出结果：

id value

0 1 100

1 2 None

2 3 None

3 4 50

补充：Pandas Nan & None 处理

在处理数据的时候遇到这个问题。

数据库里的值 是null

然后读取数据库后得到的dataframe 里显示的事None.

想把这些None 装换成0.0 但是试过很多方法都不奏效。

使用过

df['PLANDAY'].replace('None',0)

未奏效

这个判断句是生效的

df.loc[0,'PLANDAY'] is None:

后来发现这个数据类型是Nan 不是None

因此使用解决了上诉问题。

df['PLANDAY'] = df['PLANDAY'].fillna(0.0)

以上就是pandas怎么将NaN转换为None的全部内容，希望能给大家一个参考，也希望大家多多支持W3Cschool。