python - Panda 的 read_sql 为 SQL 中的 NULL 值返回 NaN 和 None
问题描述
我在 Microsoft SQL 数据库中有一个具有不同数值的表。float
在 SQL 中定义的所有列。一些值也为 NULL。
在对数据进行操作时,使用 Python(3.6 版)中的 Pandas 库(0.23.4 版),一些NULL
值被导入NaN
为None
.
例如,从 SQL Management Studio 中观察到的一行:
NULL, NULL, -1.17, 0.67, 0.42, -0.14, 0.84, -0.30, NULL
导入read_sql
我在 Python 中得到以下结果:
nan, nan, -1.17, 0.67, 0.42, -0.14, 0.84, -0.30, None
我很好奇从熊猫的角度来看有什么区别?
我应该以不同的方式对待这些价值观吗?
我知道这NaN
被视为一个数值,允许在 Pandas 中进行更快的操作,而None
只是一个不存在对象的概念。但是为什么会出现不一致呢?
解决方案
推荐阅读
- python - 用 python 列表中的内容填充 panda df 列
- excel - 如何计算现有库存 Excel 中每种产品的承保周数
- javascript - 将用户更改保存到 HTML 应用程序的最佳方式是什么?
- c - **ft_split(char const *s, char c), 分段错误
- jsf - 重复代码的JSF复合组件,想参数化
- javascript - 如何修复 FullCalendar v4.x 的 eventRender 和 resourceRender 函数中的问题?
- python - 有没有办法制作一个可以像python方法一样调用它的函数?
- javascript - 尝试在不刷新页面的情况下使用输入值搜索 API
- ocaml - .cma 文件的沙丘行为
- reactjs - 在 React 类组件中处理大量逻辑的最佳方式