尝试使用NaN，这是Pandas缺少的值：

from numpy import nan 

df = pd.read_clipboard()
df.colA.iloc[1] = NaN

您也可以使用None来代替NaN。请注意，这些术语都不带引号。
然后，您可以使用to_json()来取得输出：

df.to_json()
'{"Date":{"0":"12-Sep-14","1":"13-Sep-14","2":"14-Sep-14","3":"15-Sep-14"},"colA":{"0":20.0,"1":null,"2":12.0,"3":74.0},"colB":{"0":40,"1":10,"2":-20,"3":43}}'

这有用吗？

import pandas as pd

# Read in data frame from clipboard

df = pd.read_clipboard()
df = df.replace(df.iloc[1][1:],'null')

        Date  colA  colB
0  12-Sep-14    20    40
1  13-Sep-14  null  null
2  14-Sep-14    12   -20
3  15-Sep-14    74    43

这里，df.iloc[1]提供对第1行的访问
最后，

df.to_json(orient='values').replace("\"","")

提供json而不使用“”

[[12-Sep-14,20,40],[13-Sep-14,null,null],[14-Sep-14,12,-20],[15-Sep-14,74,43]]

代码如下：

import numpy as np

# create null/NaN value with np.nan

df.loc[1, colA:colB] = np.nan

以下是解释：
1.找到需要替换的实体：df.loc[1, colA:colB]表示选择第1行和从colA到colB的列;
1.将NaN值np.nan分配给特定位置。