我正在尝试将csv文件导入pandas Dataframe并将此Dataframe写入PostgreSQL数据库。但是，将数据框写入SQL数据库后，最终的SQL数据库中将出现不在数据框中的行。
原始数据文件包含一些测量错误，这些测量错误存储为“无”，我通过以下方式将其作为NaN值替换在数据框中：
modes['wspd [m/s]'].replace('None', np.NaN, inplace=True)
然后，我通过以下方式将数据框写入SQL数据库：
result.to_sql( sql_table, schema='earth', con=engine, index=False, if_exists='replace', chunksize=10000)
我使用的块大小为10000，因为我要写入的总数据帧包含13.000.000行。这是奇怪的部分，例如，我要写入SQL数据库的Dataframe中的第60-68行看起来像：
date_time ... cross_wnd [kt]
2017-03-07T00:10:00 ... -7.910255
2017-03-07T00:10:10 ... -7.119229
2017-03-07T00:10:20 ... -7.119229
2017-03-07T00:10:30 ... -7.910255
2017-03-07T00:10:40 ... -7.910255
2017-03-07T00:10:50 ... -7.910255
2017-03-07T00:11:00 ... -7.910255
2017-03-07T00:11:10 ... -7.910255
但是在最终的SQL数据库中，相同的第60-68行包含具有不同日期的新行（因此是csv文件），其无值替换为NaN：
date_time ... cross_wnd [kt]
60 2017-03-07T00:10:00 ... -7.910255
61 2017-03-07T00:10:10 ... -7.119229
62 2017-03-07T00:10:20 ... -7.119229
63 2017-03-07T00:10:30 ... -7.910255
64 2017-03-07T00:10:40 ... -7.910255
65 2017-03-25T10:54:30 ... NaN
66 2017-03-07T00:10:50 ... -7.910255
67 2017-03-07T00:11:00 ... -7.910255
此奇怪的功能仅在2017-03-25的csv文件中的每8行中每66行发生一次，该行包含None值并已被替换。其余文件均已正确处理，None值被替换而没有任何麻烦，其余Dataframe存储到SQL数据库。
任何人都知道如何发生这种情况以及如何解决？我只可以在最终的SQL数据库中删除这8行，但是我想使用python脚本获取更多数据文件。可能是由于replace函数中的inplace = True参数引起的吗？还是由于大量行未正确写入数据库？