@bogatron正确，您可以使用 where ，值得注意的是您可以在熊猫本机执行此操作：

df1 = df.where(pd.notnull(df), None)

注意：这会将 所有列 的dtype更改为object。

例：

In [1]: df = pd.DataFrame([1, np.nan])

In [2]: df
Out[2]: 
    0
0   1
1 NaN

In [3]: df1 = df.where(pd.notnull(df), None)

In [4]: df1
Out[4]: 
      0
0     1
1  None

注意：您不能做的事情dtype是使用 astype ，然后使用DataFrame
fillna
方法来重铸DataFrame以允许所有数据类型类型：

df1 = df.astype(object).replace(np.nan, 'None')

遗憾的是这个没有，也没有使用 replace
，用作品None看这个（关闭）的问题。

顺便说一句，值得注意的是，对于大多数用例，您不需要将NaN替换为None，请参阅有关
熊猫中NaN和None之间的区别的 问题。

但是，在这种特定情况下，您似乎可以这样做（至少在回答此问题时）。