Skip to main content
 首页 » 编程设计

python之Pandas:使用 np.nan 选择 NaN 值

2025年02月15日7grandyang

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。