Pandas 2.0不再自动将None视为NaN，而是严格区分语义，统一用pd.NA标记缺失值，但需列使用nullable类型（如Int64、string[pyarrow]）；启用PyArrow后，read_csv默认将纯文本列推断为string[pyarrow]而非object，内存更小、isna()更快且基于位图，但混杂数据会报错而非容忍，导出旧系统前需显式转str或int64。
核心结论：Pandas 2.0 不再“自动把 None 当作 NaN 处理”，而是严格区分语义和类型；默认启用 pd.NA 作为统一缺失值标记，但前提是列使用 nullable 类型（如 Int64、string[pyarrow]），否则行为仍接近 1.x。
读取含 None 的 CSV 时字符串列变成 string[pyarrow] 而不是 object
这是 Pandas 2.0 默认行为：只要 PyArrow 可用，pd.read_csv() 就会把纯文本列推断为 string[pyarrow]，而非 1.x 的 object。该类型内部用位图标记缺失，None 和空字符串都会被识别为 pd.NA，而不是混进 object 列里变成 Python None 对象。
- 好处：内存更小、
.str方法更快、pd.isna()直接查位图不遍历 - 风险：如果某列实际混有数字和字符串（比如 "1", "N/A", 2），
string[pyarrow]会直接报错或强制转成 string，而 1.x 的object会默默容忍——这其实是暴露数据质量问题，不是 bug - 验证方式：
df["col"].dtype返回string[pyarrow]，不是object
df[col].astype("int64") 在 2.0 中可能失败，而 1.x 会静默转成 float64
1.x 中，只要列含 None 或 np.nan，astype("int64") 必然失败；但如果你没显式调用它，只是做了 df["x"] = [1, 2, None]，Pandas 会自动把整列升格为 float64（因为 np.nan 是 float）。
- Pandas 2.0 默认不走这条路：它会尝试构造
Int64（大写 I），并把None映射为pd.NA - 但如果你硬写
df["x"].astype("int64")，且列中有pd.NA，就会抛ValueError: Cannot convert non-finite values (NA or inf) to integer - 正确做法是：
df["x"].fillna(-1).astype("int64")或保留为Int64并用.sum(skipna=True)
pd.isna() 在 nullable 列中返回更一致的结果
在 1.x 的 object 列中，pd.isna([1, "a", None, np.nan]) 返回 [False, False, True, True]，看似正常，但底层要逐个判断每个对象是否为 None 或 np.nan，慢且不可靠（比如自定义类可能重载了 __eq__）。
立即学习“Python免费学习笔记（深入）”；
- 2.0 的
Int64或string[pyarrow]列中，pd.isna()直接读取位图或掩码，不依赖 Python 对象比较 - 这意味着：对同一列，
pd.isna()和df[col].isna()行为完全一致；而 1.x 中后者有时会触发额外类型推断 - 注意：
pd.NA == pd.NA是False，但pd.isna(pd.NA)是True—— 这和np.nan逻辑一致，别用==判缺失
写 Excel 或对接旧系统时，string[pyarrow] 和 Int64 常被拒绝
很多老库（如 openpyxl 3.0 以下、xlsxwriter）不认识 string[pyarrow] 或 Int64，导出会报 TypeError: Unsupported type <class></class> 或类似错误。
- 临时解法：
df.astype(str)或df.select_dtypes("number").apply(lambda s: s.astype("float64")) - 根本解法：导出前统一转换，例如
df.assign(age=df["age"].fillna(-1).astype("int64")) - 别依赖
convert_dtypes()自动修复：它只对“看起来像整数的 float64 列”生效，对object列中混有字符串的不会动
最易被忽略的一点：Pandas 2.0 的这些变化不是“开箱即用”的魔法，而是依赖你是否安装了 pyarrow、是否设置了 pd.options.mode.dtype_backend、以及是否在 read_csv() 中显式传了 dtype_backend='pyarrow'。不配置，它就退回 1.x 模式，连 pd.NA 都不会出现。
