在使用数据框的to_excel（…）函数时，如何区分空字符串、np.nan和None？

Question

在Python 3.8.3和1.0.4中构造包含np.nan、None和空字符串（''）值的数据帧df之后

import pandas as pd
import numpy as np

df1 = pd.DataFrame({'b':None,'c':''},index=[0])
df2 = pd.DataFrame({'a':1,'b':1,'c':None},index=[0])
df = pd.concat([df1,df2], axis=0, sort=True)
print(df)

数据帧df看起来像

     a     b     c
0  NaN  None      
0  1.0     1  None

现在我想使用to_excel()函数将这些值存储到Excel中。但是，在运行命令之后

df.to_excel('nan_none_empty.xlsx')

结果看起来很像

与np.nan、None和空字符串（''）不可分离

可以使用选项na_rep将空字符串（''）与np.nan和None分开，如下所示

df.to_excel('nan_none_empty2.xlsx',na_rep='?')

给出结果

但是，对于这个问题，为了能够在Excel导出中分离np.nan和None，我似乎用完了options for to_excel(...) function

在将df导出到Excel时，如何在np.nan和None之间整齐地分开

Answer 1

像这样的怎么样

df = df.applymap(lambda x: str(x) if x in [None, ''] else x)
df.to_excel('nan_none_empty.xlsx',na_rep='np.nan')

Answer 2

如果要区分不同的null类型，最好在导出到Excel之前替换值。转换为字符串是确保不会混淆None、np.NaN、pd.NaT等的一种方法

df1 = pd.DataFrame({'b':None,'c':''},index=[0])
df2 = pd.DataFrame({'a':1,'b':1,'c':None},index=[0])
df = pd.concat([df1,df2], axis=0, sort=True)

null_map = {'nan': '-',
            'None': '?'} # Add the string representation for other types you may need

df = df.applymap(lambda x:
                 null_map[str(x)]
                 if str(x) in null_map
                 else x)
df.to_excel('nan_none_empty2.xlsx')