pandas中对nan空值的判断和陷阱

       pandas基于numpy,所以其中的空值nan和numpy.nan是等价的。numpy中的nan并不是空对象,其实际上是numpy.float64对象,所以我们不能误认为其是空对象,从而用bool(np.nan)去判断是否为空值,这是不对的。

       对于pandas中的空值,我们该如何判断,并且有哪些我们容易掉进去的陷阱,即不能用怎么样的方式去判断呢?

可以判断pandas中单个空值对象的方式:

1、利用pd.isnull(),pd.isna();

2、利用np.isnan();

3、利用is表达式;

4、利用in表达式。

不可以用来判断pandas单个空值对象的方式:

1、不可直接用==表达式判断;

2、不可直接用bool表达式判断;

3、不可直接用if语句判断。

对于同时多个空值对象的判断和处理:

1、可以用Series对象和DataFrame对象的any()或all()方法;

2、可以用numpy的any()或all()方法;

3、不可以直接用python的内置函数any()和all()方法;

4、可以用Series或DataFrame对象的dropna()方法剔除空值;

5、可以用Series或DataFrame对象的fillna()方法填充空值。

示例:

import pandas as pd
import numpy as np

na=np.nan

# 可以用来判断空值的方式
pd.isnull(na)  # True
pd.isna(na)  # True
np.isnan(na)  # True
na is np.nan  # True
na in [np.nan]  # True


# 不可以直接用来判断的方式,即以下结果和我们预期不一样
na == np.nan  # False
bool(na)  # True
if na:
    print('na is not null')  # Output: na is not null


# 不可以直接用python内置函数any和all
any([na])  # True
all([na])  #True

总结

       numpy.nan是一个numpy.float64的非空对象,所以不能直接用bool表达式去判断,故一切依赖于布尔表达式的判断方式都不行,比如if语句。对于pandas中空值的判断,我们只能通过pandas或者numpy的函数和is表达式去判断,不能用python的内置函数any或all判断。

       比较奇怪的一点是pandas中空值的判断可以用is表达式判断,但是不能用==表达式判断。我们知道,对于is表达式,如果返回True,表示这两个引用指向的是同一个内存对象,即内存地址是一样的,一般同一个对象的不同引用的值也应该是相等的,所以一般is表达式为True,那么==表达式也为True。但是对于numpy.nan对象显然不是这样的,因为其可以用is表达式判断,即当is表达式为True时,但==表达式为False,这说明虽然不同numpy.nan变量引用指向的是同一个内存地址,但是其具有自己的值属性,值是不一样的,所以不能用==来判断,这点需要注意。

你可能感兴趣的:(数据分析,pandas,numpy)