所以我发现 float NaN 显然是 doesn't equal itself .我的问题是如何处理它。让我们从一个数据框开始:
DF = pd.DataFrame({'X':[0, 3, None]})
DF
X
0 0.0
1 3.0
2 NaN
DF['test1'] = np.where(DF['X'] == np.nan, 1, 0)
DF['test2'] = np.where(DF['X'].isin([np.nan]), 1, 0)
DF
X test1 test2
0 0.0 0 0
1 3.0 0 0
2 NaN 0 1
所以 test1 和 test2 不一样。许多其他人提到我们应该使用 pd.isnull()。我的问题是,只使用 isin() 是否安全?例如,如果我需要使用 np.where 创建一个新列,我可以简单地做:
DF['test3'] = np.where(DF['X'].isin([0, np.nan]), 1, 0)
或者我应该总是像这样使用 pd.isnull:
DF['test3'] = np.where((DF['X'] == 0) | (pd.isnull(DF['X'])), 1, 0)
请您参考如下方法:
如果您怀疑可能存在 nan,则应始终使用 pd.isnull 或 np.isnan。
例如,假设您有一个 object-dtype 列(不幸的是,这些并不少见):
X
0 a
1 3
2 NaN
然后使用 isin 不会给你正确的结果:
>>> df['X'].isin([np.nan])
0 False
1 False
2 False
Name: X, dtype: bool
虽然 isnull 仍然可以正常工作:
>>> df['X'].isnull()
0 False
1 False
2 True
Name: X, dtype: bool
鉴于 Series.isin 中未明确提及 NaN 支持也不DataFrame.isin它可能只是一个实现细节,它正确地“找到”了 NaN。实现细节总是不好依赖。他们可以随时改变...
除此之外,明确说明总是有好处的。明确的 isnull 或 isnan 检查应该(在我看来)是首选。
