python - 为什么 pandas isnull() 有效但 ==None 无效？

Question

我正在尝试选择该df列label具有 value的行None。（这是None我从另一个函数中获得的值，而不是NaN）

为什么df[df['label'].isnull()]返回我想要的行，

但df[df['label'] == None]回报Empty DataFrame Columns: [path, fanId, label, gain, order] Index: []？

标签： pythonpython-3.xpandas

Answer 1

正如上面的评论所述，缺失的数据pandas由NaN表示，其中NaN是一个数值，即浮点类型。但是None是 Python NoneType，因此NaN将不等同于None。

In [27]: np.nan == None
Out[27]: False

在这个Github 线程中，他们进一步讨论，并指出：

这是很久以前完成的，以使 null 的行为保持一致，因为它们不比较相等。这使 None 和 np.nan 处于平等地位（尽管与 python 不一致，但与 numpy 一致）。

这意味着当您这样做时df[df['label'] == None]，您将elementwise检查 if np.nan == np.nan，我们知道这是错误的。

In [63]: np.nan == np.nan
Out[63]: False

此外，df[df['label'] == None]当您应用Boolean indexing时，您不应该这样做，使用==for aNoneType不是PEP8提到的最佳实践：

与 None 等单例的比较应始终使用isor完成，而不应使用is not相等运算符。

例如，您可以这样做tst.value.apply(lambda x: x is None)，产生与 相同的结果.isnull()，说明如何pandas将这些视为NaN。请注意，这是针对以下tst数据框示例的，其中tst.value.dtypes一个object是我明确指定的NoneType元素。

文档中有一个很好的例子说明了这一点及其效果。pandas

例如，如果您有两列，一列是 type float，另一列您可以看到 pandas 如何以一种很好的方式object处理该类型，请注意它使用的是NaN。Nonefloat

In [32]: tst = pd.DataFrame({"label" : [1, 2, None, 3, None], "value" : ["A", "B", None, "C", None]})

Out[39]:
   label value
0    1.0     A
1    2.0     B
2    NaN  None
3    3.0     C
4    NaN  None

In [51]: type(tst.value[2])
Out[51]: NoneType

In [52]: type(tst.label[2])
Out[52]: numpy.float64

这篇文章很好地解释了NaN和None之间的区别，肯定会看看这个。

• NaN 和 None 有什么区别？