可以使用DataFrame.fillna或Series.fillna来替换Python对象None，而不是字符串'None'。

import pandas as pd
import numpy as np

对于 Dataframe ：

df = df.fillna(value=np.nan)

对于列或系列：

df.mycol.fillna(value=np.nan, inplace=True)

这里有另一个选项：

df.replace(to_replace=[None], value=np.nan, inplace=True)

下行会将None取代为NaN：

df['column'].replace('None', np.nan, inplace=True)

如果你使用df.replace（[None]，np.nan，inplace=True），这会将所有缺少数据的datetime对象更改为对象dtype。因此，现在你可能会破坏查询，除非你将它们更改回datetime，这可能会根据你的数据大小而增加负担。
如果要使用此方法，可以首先确定df中的对象dtype字段，然后将“None：

obj_columns = list(df.select_dtypes(include=['object']).columns.values)
df[obj_columns] = df[obj_columns].replace([None], np.nan)

这是一个老问题，但这里是一个多列的解决方案：

values = {'col_A': 0, 'col_B': 0, 'col_C': 0, 'col_D': 0}
df.fillna(value=values, inplace=True)

有关更多选项，请查看文档：
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.fillna.html

DataFrame['Col_name'].replace("None", np.nan, inplace=True)

此解决方案非常简单，因为可以轻松替换所有列中的值。
您可以使用dict：

import pandas as pd
import numpy as np

df = pd.DataFrame([[None, None], [None, None]])
print(df)
      0     1
0  None  None
1  None  None

# replacing
df = df.replace({None: np.nan})
print(df)
    0   1
0 NaN NaN
1 NaN NaN