熊猫：nan->无

Question

pandas.DataFrame.to_dict

将

nan

转换为

nan

，并将

null

转换为

None

。正如 Python 比较忽略 nan 中所解释的，这有时不是最佳的。

有没有办法将所有

nan

转换为

None

？ （在

pandas

或稍后在 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'}}

相反。

Answer 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'}}

Answer 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，并猜测为 float。您可以通过强制其保持

object

从而完全抑制任何类型的转换来防止这种情况。

Answer 3

我发现接受的答案不起作用，但这确实有效：

df.replace([np.nan], [None]).to_dict('records')

我不知道为什么。我至少可以说，df 中似乎有 na 值的所有字段确实通过使用

df.isna()

检查它们来进行了验证。

我从这里得到了解决方案。