python - Panda 的 read_sql 为 SQL 中的 NULL 值返回 NaN 和 None

Question

我在 Microsoft SQL 数据库中有一个具有不同数值的表。float在 SQL 中定义的所有列。一些值也为 NULL。

在对数据进行操作时，使用 Python（3.6 版）中的 Pandas 库（0.23.4 版），一些NULL值被导入NaN为None.

例如，从 SQL Management Studio 中观察到的一行：

NULL, NULL, -1.17, 0.67, 0.42, -0.14, 0.84, -0.30, NULL

导入read_sql我在 Python 中得到以下结果：

nan, nan, -1.17, 0.67, 0.42, -0.14, 0.84, -0.30, None

我很好奇从熊猫的角度来看有什么区别？

我应该以不同的方式对待这些价值观吗？

我知道这NaN被视为一个数值，允许在 Pandas 中进行更快的操作，而None只是一个不存在对象的概念。但是为什么会出现不一致呢？

标签： pythonsqlpandas