math、numpy、pandas 的 NaN

参考math、numpy、pandas 的 NaN

一 、基本操作

#coding=utf8
import numpy as np
import math
print(type(np.nan))#<class 'float'>
 
print(type(math.nan))#<class 'float'>
print(np.nan is None)#False
 
print(math.nan is None)#False
 
print(np.nan == np.nan)#False
 
print(math.nan == math.nan)#False
 
print(np.nan is math.nan)#False
 
print(math.nan is np.nan)#False
 
print(np.nan is np.nan)#True
 
print(math.nan is math.nan)#True
 
print(np.isnan(np.nan))#True
 
print(math.isnan(np.nan))#True
 
print(np.isnan(math.nan))#True
 
print(math.isnan(math.nan))#True

二、np.isnan()和pd.isnull()何时使用

# 首先创建一个DataFrame：
bb = pd.DataFrame({'a':[0,1,2,np.nan]})
bb
 
>>>     a
    0	0.0
    1	1.0
    2	2.0
    3	NaN
 
# 先测试一下np.isnan()
np.isnan(bb)
>>>     a
    0	False
    1	False
    2	False
    3	True
# 值得一提的是，如果想获悉整个DataFrame有无空值，可以在此基础上这样做：
 
np.isnan(bb).all()
>>> a    False
    dtype: bool          # 这行是指返回值的dtype
 
# 再测试一下isnull()
pd.isnull(bb)
>>>     a
    0	False
    1	False
    2	False
    3	True

由上可见，其实np.isnan()和pd.isnull()都可以对不论是DataFrame、Python list还是仅仅一个数值进行空值检测。但一般在实际应用中，np.isnan()多用于单个值的检验，pd.isnull()用于对一个DataFrame或Series（整体）的检验。

此外，根据pandas官方文档和源代码，pandas提供的另一个函数pd.isna()与pd.isnull()完全一样。

上面提到的any()/all()函数，请见pandas文档：

https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.all.html#pandas.DataFrame.all

https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.any.html#pandas.DataFrame.any

其他与空值检测或删除相关的函数还有：notna()、fillna()、dropna()等等。实战中应灵活使用。