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。
