与np.nan和isnull()的比较之间的区别

Question

我想是的

data[data.agefm.isnull()]

和

data[data.agefm == numpy.nan]

是等价的.但不,第一个真正返回agefm为NaN的行,但第二个返回一个空的DataFrame.我感谢省略的值总是等于np.nan,但似乎错了.

agefm列有float64类型:

(Pdb) data.agefm.describe()
count    2079.000000
mean       20.686388
std         5.002383
min        10.000000
25%        17.000000
50%        20.000000
75%        23.000000
max        46.000000
Name: agefm, dtype: float64

你能解释一下,具体data[data.agefm == np.nan]意味着什么？

Answer 1

np.nan不能np.nan直接与...... 相比.

np.nan == np.nan

False

而

np.isnan(np.nan)

True

也可以

pd.isnull(np.nan)

True

示例不
过滤,因为没有任何东西等于np.nan

s = pd.Series([1., np.nan, 2.])
s[s != np.nan]

0    1.0
1    NaN
2    2.0
dtype: float64

过滤掉null

s = pd.Series([1., np.nan, 2.])
s[s.notnull()]

0    1.0
2    2.0
dtype: float64

使用奇怪的比较行为来获得我们想要的东西.如果np.nan != np.nan是的True话

s = pd.Series([1., np.nan, 2.])
s[s == s]

0    1.0
2    2.0
dtype: float64

只是 dropna

s = pd.Series([1., np.nan, 2.])
s.dropna()

0    1.0
2    2.0
dtype: float64