为什么 pandas isnull() 有效但 ==None 无效？

Question

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

为什么df[df['label'].isnull()]返回我想要的行，

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

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，即浮点型。然而None是一个 Python NoneType，所以NaN不会等同于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，以使空值的行为保持一致，因为它们比较不相等。这使 None 和 np.nan 处于平等（虽然与 python 不一致，但与 numpy 一致）的基础上。

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]在应用Boolean indexing时不应该这样做，正如PEP8提到的那样，使用==for aNoneType不是最佳实践：

与像 None 这样的单例的比较应该总是用isor来完成is not，而不是等号运算符。

例如，您可以执行tst.value.apply(lambda x: x is None)，它产生与 相同的结果.isnull()，说明如何pandas将这些视为NaN。注意这是下面的tst数据帧例如，在tst.value.dtypes是object其中我已经明确规定的NoneType内容。

有一个很好的例子在pandas其中说明这个文档，它的效果。

例如，如果您有两列，一列是类型float，另一列是object您可以看到 pandas 如何None以一种很好的方式处理该类型，请注意float它使用的是NaN。

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？