python None 和 NaN
python原生的None和pandas, numpy中的numpy.NaN尽管在功能上都是用来标示空缺数据。但它们的行为在很多场景下确有一些相当大的差异。由于不熟悉这些差异，曾经给我的工作带来过不少麻烦。 特此整理了一份详细的实验，比较None和NaN在不同场景下的差异。
实验的结果有些在意料之内，有些则让我大跌眼镜。希望读者看过此文后会None和NaN这对“小妖精”有更深的理解。
为了理解本文的内容,希望本文的读者需要对pandas的Series使用有一定的经验。
首先，导入所需的库
In[2]:
|
1
2
3
|
fromnumpy importNaN
frompandas importSeries,DataFrame
importnumpy asnp
|
数据类型?
None是一个python特殊的数据类型， 但是NaN却是用一个特殊的float
In[3]:
|
1
|
type(None)
|
Out[3]:
|
1
|
NoneType
|
In[4]:
|
1
|
type(NaN)
|
Out[4]:
|
1
|
float
|
能作为dict的key?
In[5]:
|
1
|
{None:1}
|
Out[5]:
|
1
|
{None:1}
|
In[6]:
|
1
|
{NaN:1}
|
Out[6]:
|
1
|
{nan:1}
|
In[7]:
|
1
|
{None:1,NaN:2}
|
Out[7]:
|
1
|
{nan:2,None:1}
|
都可以，而且会被认为是不同的key
Series函数中的表现
Series.map
In[8]:
|
1
2
|
s=Series([None,NaN,'a'])
s
|
Out[8]:
|
1
2
3
4
|
0 None
1 NaN
2 a
dtype:object
|
In[9]:
|
1
|
s.map({None:1,'a':'a'})
|
Out[9]:
|
1
2
3
4
|
0 1
1 1
2 a
dtype:object
|
可以看到None和NaN都会替换成了1
In[10]:
|
1
|
s.map({NaN:1,'a':'a'})
|
Out[10]:
|
1
2
3
4
|
0 1
1 1
2 a
dtype:object
|
同样None和NaN都会替换成了1
In[11]:
|
1
|
s.map({NaN:2,'None':1,'a':'a'})
|
Out[11]:
|
1
2
3
4
|
0 2
1 2
2 a
dtype:object
|
将None替换成1的要求被忽略了
In[12]:
|
1
|
s.map({'None':1,NaN:2,'a':'a'})
|
Out[12]:
|
1
2
3
4
|
0 2
1 2
2 a
dtype:object
|
将NaN替换成1的要求被忽略了
总结: 用Series.map对None进行替换时,会“顺便”把NaN也一起替换掉；NaN也会顺便把None替换掉。
如果None和NaN分别定义了不同的映射数值，那么只有一个会生效。
Series.replace中的表现
In[13]:
|
1
2
|
s=Series([None,NaN,'a'])
s
|
Out[13]:
|
1
2
3
4
|
0 None
1 NaN
2 a
dtype:object
|
In[14]:
|
1
|
s.replace([NaN],9)
|
Out[14]:
|
1
2
3
4
|
0 9
1 9
2 a
dtype:object
|
In[15]:
|
1
|
s.replace([None],9)
|
Out[15]:
|
1
2
3
4
|
0 9
1 9
2 a
dtype:object
|
和Series.map的情况类似,指定了None的替换值后,NaN会被替换掉;反之亦然。
对函数的支持
numpy有不少函数可以自动处理NaN。
In[16]:
|
1
|
np.nansum([1,2,NaN])
|
Out[16]:
|
1
|
3.0
|
但是None不能享受这些函数的便利，如果数据包含的None的话会报错
In[17]:
|
1
2
3
4
|
try:
np.nansum([1,2,None])
exceptExceptionase:
print(type(e),e)
|
unsupported operand type(s) for +: ‘int’ and ‘NoneType’
pandas中也有不少函数支持NaN却不支持None。(毕竟pandas的底层是numpy)
In[18]:
|
1
2
|
importpandas aspd
pd.cut(Series([NaN]),[1,2])
|
Out[18]:
|
1
2
3
|
0 NaN
dtype:category
Categories(1,object):[(1,2]]
|
In[19]:
|
1
2
3
4
5
|
importpandas aspd
try:
pd.cut(Series([None]),[1,2])
exceptExceptionase:
print(type(e),e)
|
unorderable types: int() > NoneType()
对容器数据类型的影响
混入numpy.array的影响
如果数据中含有None,会导致整个array的类型变成object。
In[20]:
|
1
|
np.array([1,None]).dtype
|
Out[20]:
|
1
|
dtype('O')
|
而np.NaN尽管会将原本用int类型就能保存的数据转型成float，但不会带来上面这个问题。
In[21]:
|
1
|
np.array([1,NaN]).dtype
|
Out[21]:
|
1
|
dtype('float64')
|
混入Series的影响
下面的结果估计大家能猜到
In[22]:
|
1
|
Series([1,NaN])
|
Out[22]:
|
1
2
3
|
0 1.0
1 NaN
dtype:float64
|
下面的这个就很意外的吧
In[23]:
|
1
|
Series([1,None])
|
Out[23]:
|
1
2
3
|
0 1.0
1 NaN
dtype:float64
|
pandas将None自动替换成了NaN！
In[24]:
|
1
|
Series([1.0,None])
|
Out[24]:
|
1
2
3
|
0 1.0
1 NaN
dtype:float64
|
却是Object类型的None被替换成了float类型的NaN。 这么设计可能是因为None无法参与numpy的大多数计算， 而pandas的底层又依赖于numpy，因此做了这样的自动转化。
不过如果本来Series就只能用object类型容纳的话， Series不会做这样的转化工作。
In[25]:
|
1
|
Series(['a',None])
|
Out[25]:
|
1
2
3
|
0 a
1 None
dtype:object
|
如果Series里面都是None的话也不会做这样的转化
In[26]:
|
1
|
Series([None,None])
|
Out[26]:
|
1
2
3
|
0 None
1 None
dtype:object
|
其它的数据类型是bool时，也不会做这样的转化。
In[27]:
|
1
|
Series([True,False,None])
|
Out[27]:
|
1
2
3
4
|
0 True
1 False
2 None
dtype:object
|
等值性判断
单值的等值性比较
下面的实验中None和NaN的表现会作为后面的等值性判断的基准(后文称为基准)
In[28]:
|
1
|
None==None
|
Out[28]:
|
1
|
True
|
In[29]:
|
1
|
NaN==NaN
|
Out[29]:
|
1
|
False
|
In[30]:
|
1
|
None==NaN
|
Out[30]:
|
1
|
False
|
在tuple中的情况
这个不奇怪
In[31]:
|
1
|
(1,None)==(1,None)
|
Out[31]:
|
1
|
True
|
这个也不意外
In[32]:
|
1
|
(1,None)==(1,NaN)
|
Out[32]:
|
1
|
False
|
但是下面这个实验NaN的表现和基准不一致
In[33]:
|
1
|
(1,NaN)==(1,NaN)
|
Out[33]:
|
1
|
True
|
在numpy.array中的情况
In[34]:
|
1
|
np.array([1,None])==np.array([1,None])
|
Out[34]:
|
1
|
array([True, True],dtype=bool)
|
In[35]:
|
1
|
np.array([1,NaN])==np.array([1,NaN])
|
Out[35]:
|
1
|
array([True,False],dtype=bool)
|
In[36]:
|
1
|
np.array([1,NaN])==np.array([1,None])
|
Out[36]:
|
1
|
array([True,False],dtype=bool)
|
和基准的表现一致。
但是大部分情况我们希望上面例子中， 我们希望左右两边的array被判定成一致。这时可以用numpy.testing.assert_equal函数来处理。 注意这个函数的表现同assert， 不会返回True, False， 而是无反应或者raise Exception
In[37]:
|
1
|
np.testing.assert_equal(np.array([1,NaN]),np.array([1,NaN]))
|
它也可以处理两边都是None的情况
In[38]:
|
1
|
np.testing.assert_equal(np.array([1,None]),np.array([1,None]))
|
但是一边是None，一边是NaN时会被认为两边不一致, 导致AssertionError
In[39]:
|
1
2
3
4
|
try:
np.testing.assert_equal(np.array([1,NaN]),np.array([1,None]))
exceptExceptionase:
print(type(e),e)
|
|
1
2
3
4
5
6
|
<class'assertionerror'="">
Arrays are notequal
(mismatch50.0%)
x:array([ 1., nan])
y:array([1,None],dtype=object)
|
在Series中的情况
下面两个实验中的表现和基准一致
In[40]:
|
1
|
Series([NaN,'a'])==Series([NaN,'a'])
|
Out[40]:
|
1
2
3
|
0 False
1 True
dtype:bool
|
In[41]:
|
1
|
Series([None,'a'])==Series([NaN,'a'])
|
Out[41]:
|
1
2
3
|
0 False
1 True
dtype:bool
|
但是None和基准的表现不一致。
In[42]:
|
1
|
Series([None,'a'])==Series([None,'a'])
|
Out[42]:
|
1
2
3
|
0 False
1 True
dtype:bool
|
和array类似，Series也有专门的函数equals用于判断两边的Series是否整体看相等
In[43]:
|
1
|
Series([None,'a']).equals(Series([NaN,'a']))
|
Out[43]:
|
1
|
True
|
In[44]:
|
1
|
Series([None,'a']).equals(Series([None,'a']))
|
Out[44]:
|
1
|
True
|
In[45]:
|
1
|
Series([NaN,'a']).equals(Series([NaN,'a']))
|
Out[45]:
|
1
|
True
|
比numpy.testing.assert_equals更智能些， 三种情况下都能恰当的处理
在DataFrame merge中的表现
两边的None会被判为相同
In[46]:
|
1
2
3
|
a=DataFrame({'A':[None,'a']})
b=DataFrame({'A':[None,'a']})
a.merge(b,on='A',how='outer')
|
Out[46]:
| A | |
|---|---|
| 0 | None |
| 1 | a |
两边的NaN会被判为相同
In[47]:
|
1
2
3
|
a=DataFrame({'A':[NaN,'a']})
b=DataFrame({'A':[NaN,'a']})
a.merge(b,on='A',how='outer')
|
Out[47]:
| A | |
|---|---|
| 0 | NaN |
| 1 | a |
无论两边都是None,都是NaN，还是都有,相关的列都会被正确的匹配。 注意一边是None,一边是NaN的时候。会以左侧的结果为准。
In[48]:
|
1
2
3
|
a=DataFrame({'A':[None,'a']})
b=DataFrame({'A':[NaN,'a']})
a.merge(b,on='A',how='outer')
|
Out[48]:
| A | |
|---|---|
| 0 | None |
| 1 | a |
In[49]:
|
1
2
3
|
a=DataFrame({'A':[NaN,'a']})
b=DataFrame({'A':[None,'a']})
a.merge(b,on='A',how='outer')
|
Out[49]:
| A | |
|---|---|
| 0 | NaN |
| 1 | a |
注意
这和空值在postgresql等sql数据库中的表现不一样， 在数据库中， join时两边的空值会被判定为不同的数值
在groupby中的表现
In[50]:
|
1
2
|
d=DataFrame({'A':[1,1,1,1,2],'B':[None,None,'a','a','b']})
d.groupby(['A','B']).apply(len)
|
Out[50]:
|
1
2
3
4
|
A B
1 a 2
2 b 1
dtype:int64
|
可以看到(1, NaN)对应的组直接被忽略了
In[51]:
|
1
2
|
d=DataFrame({'A':[1,1,1,1,2],'B':[None,None,'a','a','b']})
d.groupby(['A','B']).apply(len)
|
Out[51]:
|
1
2
3
4
|
A B
1 a 2
2 b 1
dtype:int64
|
(1,None)的组也被直接忽略了
In[52]:
|
1
2
|
d=DataFrame({'A':[1,1,1,1,2],'B':[None,NaN,'a','a','b']})
d.groupby(['A','B']).apply(len)
|
Out[52]:
|
1
2
3
4
|
A B
1 a 2
2 b 1
dtype:int64
|
那么上面这个结果应该没啥意外的
总结
DataFrame.groupby会忽略分组列中含有None或者NaN的记录
支持写入数据库?
往数据库中写入时NaN不可处理，需转换成None,否则会报错。这个这里就不演示了。
相信作为pandas老司机， 至少能想出两种替换方法。
In[53]:
|
1
2
|
s=Series([None,NaN,'a'])
s
|
Out[53]:
|
1
2
3
4
|
0 None
1 NaN
2 a
dtype:object
|
方案１
In[54]:
|
1
|
s.replace([NaN],None)
|
Out[54]:
|
1
2
3
4
|
0 None
1 None
2 a
dtype:object
|
方案２
In[55]:
|
1
2
|
s[s.isnull()]=None
s
|
Out[55]:
|
1
2
3
4
|
0 None
1 None
2 a
dtype:object
|
然而这么就觉得完事大吉的话就图样图森破了， 看下面的例子
In[56]:
|
1
2
|
s=Series([NaN,1])
s
|
Out[56]:
|
1
2
3
|
0 NaN
1 1.0
dtype:float64
|
In[57]:
|
1
|
s.replace([NaN],None)
|
Out[57]:
|
1
2
3
|
0 NaN
1 1.0
dtype:float64
|
In[58]:
|
1
2
|
s[s.isnull()]=None
s
|
Out[58]:
|
1
2
3
|
0 NaN
1 1.0
dtype:float64
|
当其他数据是int或float时,Series又一声不吭的自动把None替换成了NaN。
这时候可以使用第三种方法处理
In[59]:
|
1
|
s.where(s.notnull(),None)
|
Out[59]:
|
1
2
3
|
0 None
1 1
dtype:object
|
where语句会遍历s中所有的元素，逐一检查条件表达式， 如果成立， 从原来的s取元素； 否则用None填充。 这回没有自动替换成NaN
None vs NaN要点总结
- 在pandas中， 如果其他的数据都是数值类型， pandas会把None自动替换成NaN, 甚至能将
s[s.isnull()]= None,和s.replace(NaN, None)操作的效果无效化。 这时需要用where函数才能进行替换。 - None能够直接被导入数据库作为空值处理， 包含NaN的数据导入时会报错。
- numpy和pandas的很多函数能处理NaN，但是如果遇到None就会报错。
- None和NaN都不能被pandas的groupby函数处理，包含None或者NaN的组都会被忽略。
等值性比较的总结:（True表示被判定为相等）
| None对None | NaN对NaN | None对NaN | |
|---|---|---|---|
| 单值 | True | False | False |
| tuple(整体) | True | True | False |
| np.array(逐个) | True | False | False |
| Series(逐个) | False | False | False |
| assert_equals | True | True | False |
| Series.equals | True | True | True |
| merge | True | True | True |
由于等值性比较方面，None和NaN在各场景下表现不太一致，相对来说None表现的更稳定。
为了不给自己惹不必要的麻烦和额外的记忆负担。 实践中，建议遵循以下三个原则即可
- 在用pandas和numpy处理数据阶段将None,NaN统一处理成NaN,以便支持更多的函数。
- 如果要判断Series,numpy.array整体的等值性，用专门的Series.equals,numpy.array函数去处理，不要自己用
==判断 * - 如果要将数据导入数据库，将NaN替换成None
转自：http://python.jobbole.com/87266/
python原生的None和pandas, numpy中的numpy.NaN尽管在功能上都是用来标示空缺数据。但它们的行为在很多场景下确有一些相当大的差异。由于不熟悉这些差异，曾经给我的工作带来过不少麻烦。 特此整理了一份详细的实验，比较None和NaN在不同场景下的差异。
实验的结果有些在意料之内，有些则让我大跌眼镜。希望读者看过此文后会None和NaN这对“小妖精”有更深的理解。
为了理解本文的内容,希望本文的读者需要对pandas的Series使用有一定的经验。
首先，导入所需的库
In[2]:
|
1
2
3
|
fromnumpy importNaN
frompandas importSeries,DataFrame
importnumpy asnp
|
数据类型?
None是一个python特殊的数据类型， 但是NaN却是用一个特殊的float
In[3]:
|
1
|
type(None)
|
Out[3]:
|
1
|
NoneType
|
In[4]:
|
1
|
type(NaN)
|
Out[4]:
|
1
|
float
|
能作为dict的key?
In[5]:
|
1
|
{None:1}
|
Out[5]:
|
1
|
{None:1}
|
In[6]:
|
1
|
{NaN:1}
|
Out[6]:
|
1
|
{nan:1}
|
In[7]:
|
1
|
{None:1,NaN:2}
|
Out[7]:
|
1
|
{nan:2,None:1}
|
都可以，而且会被认为是不同的key
Series函数中的表现
Series.map
In[8]:
|
1
2
|
s=Series([None,NaN,'a'])
s
|
Out[8]:
|
1
2
3
4
|
0 None
1 NaN
2 a
dtype:object
|
In[9]:
|
1
|
s.map({None:1,'a':'a'})
|
Out[9]:
|
1
2
3
4
|
0 1
1 1
2 a
dtype:object
|
可以看到None和NaN都会替换成了1
In[10]:
|
1
|
s.map({NaN:1,'a':'a'})
|
Out[10]:
|
1
2
3
4
|
0 1
1 1
2 a
dtype:object
|
同样None和NaN都会替换成了1
In[11]:
|
1
|
s.map({NaN:2,'None':1,'a':'a'})
|
Out[11]:
|
1
2
3
4
|
0 2
1 2
2 a
dtype:object
|
将None替换成1的要求被忽略了
In[12]:
|
1
|
s.map({'None':1,NaN:2,'a':'a'})
|
Out[12]:
|
1
2
3
4
|
0 2
1 2
2 a
dtype:object
|
将NaN替换成1的要求被忽略了
总结: 用Series.map对None进行替换时,会“顺便”把NaN也一起替换掉；NaN也会顺便把None替换掉。
如果None和NaN分别定义了不同的映射数值，那么只有一个会生效。
Series.replace中的表现
In[13]:
|
1
2
|
s=Series([None,NaN,'a'])
s
|
Out[13]:
|
1
2
3
4
|
0 None
1 NaN
2 a
dtype:object
|
In[14]:
|
1
|
s.replace([NaN],9)
|
Out[14]:
|
1
2
3
4
|
0 9
1 9
2 a
dtype:object
|
In[15]:
|
1
|
s.replace([None],9)
|
Out[15]:
|
1
2
3
4
|
0 9
1 9
2 a
dtype:object
|
和Series.map的情况类似,指定了None的替换值后,NaN会被替换掉;反之亦然。
对函数的支持
numpy有不少函数可以自动处理NaN。
In[16]:
|
1
|
np.nansum([1,2,NaN])
|
Out[16]:
|
1
|
3.0
|
但是None不能享受这些函数的便利，如果数据包含的None的话会报错
In[17]:
|
1
2
3
4
|
try:
np.nansum([1,2,None])
exceptExceptionase:
print(type(e),e)
|
unsupported operand type(s) for +: ‘int’ and ‘NoneType’
pandas中也有不少函数支持NaN却不支持None。(毕竟pandas的底层是numpy)
In[18]:
|
1
2
|
importpandas aspd
pd.cut(Series([NaN]),[1,2])
|
Out[18]:
|
1
2
3
|
0 NaN
dtype:category
Categories(1,object):[(1,2]]
|
In[19]:
|
1
2
3
4
5
|
importpandas aspd
try:
pd.cut(Series([None]),[1,2])
exceptExceptionase:
print(type(e),e)
|
unorderable types: int() > NoneType()
对容器数据类型的影响
混入numpy.array的影响
如果数据中含有None,会导致整个array的类型变成object。
In[20]:
|
1
|
np.array([1,None]).dtype
|
Out[20]:
|
1
|
dtype('O')
|
而np.NaN尽管会将原本用int类型就能保存的数据转型成float，但不会带来上面这个问题。
In[21]:
|
1
|
np.array([1,NaN]).dtype
|
Out[21]:
|
1
|
dtype('float64')
|
混入Series的影响
下面的结果估计大家能猜到
In[22]:
|
1
|
Series([1,NaN])
|
Out[22]:
|
1
2
3
|
0 1.0
1 NaN
dtype:float64
|
下面的这个就很意外的吧
In[23]:
|
1
|
Series([1,None])
|
Out[23]:
|
1
2
3
|
0 1.0
1 NaN
dtype:float64
|
pandas将None自动替换成了NaN！
In[24]:
|
1
|
Series([1.0,None])
|
Out[24]:
|
1
2
3
|
0 1.0
1 NaN
dtype:float64
|
却是Object类型的None被替换成了float类型的NaN。 这么设计可能是因为None无法参与numpy的大多数计算， 而pandas的底层又依赖于numpy，因此做了这样的自动转化。
不过如果本来Series就只能用object类型容纳的话， Series不会做这样的转化工作。
In[25]:
|
1
|
Series(['a',None])
|
Out[25]:
|
1
2
3
|
0 a
1 None
dtype:object
|
如果Series里面都是None的话也不会做这样的转化
In[26]:
|
1
|
Series([None,None])
|
Out[26]:
|
1
2
3
|
0 None
1 None
dtype:object
|
其它的数据类型是bool时，也不会做这样的转化。
In[27]:
|
1
|
Series([True,False,None])
|
Out[27]:
|
1
2
3
4
|
0 True
1 False
2 None
dtype:object
|
等值性判断
单值的等值性比较
下面的实验中None和NaN的表现会作为后面的等值性判断的基准(后文称为基准)
In[28]:
|
1
|
None==None
|
Out[28]:
|
1
|
True
|
In[29]:
|
1
|
NaN==NaN
|
Out[29]:
|
1
|
False
|
In[30]:
|
1
|
None==NaN
|
Out[30]:
|
1
|
False
|
在tuple中的情况
这个不奇怪
In[31]:
|
1
|
(1,None)==(1,None)
|
Out[31]:
|
1
|
True
|
这个也不意外
In[32]:
|
1
|
(1,None)==(1,NaN)
|
Out[32]:
|
1
|
False
|
但是下面这个实验NaN的表现和基准不一致
In[33]:
|
1
|
(1,NaN)==(1,NaN)
|
Out[33]:
|
1
|
True
|
在numpy.array中的情况
In[34]:
|
1
|
np.array([1,None])==np.array([1,None])
|
Out[34]:
|
1
|
array([True, True],dtype=bool)
|
In[35]:
|
1
|
np.array([1,NaN])==np.array([1,NaN])
|
Out[35]:
|
1
|
array([True,False],dtype=bool)
|
In[36]:
|
1
|
np.array([1,NaN])==np.array([1,None])
|
Out[36]:
|
1
|
array([True,False],dtype=bool)
|
和基准的表现一致。
但是大部分情况我们希望上面例子中， 我们希望左右两边的array被判定成一致。这时可以用numpy.testing.assert_equal函数来处理。 注意这个函数的表现同assert， 不会返回True, False， 而是无反应或者raise Exception
In[37]:
|
1
|
np.testing.assert_equal(np.array([1,NaN]),np.array([1,NaN]))
|
它也可以处理两边都是None的情况
In[38]:
|
1
|
np.testing.assert_equal(np.array([1,None]),np.array([1,None]))
|
但是一边是None，一边是NaN时会被认为两边不一致, 导致AssertionError
In[39]:
|
1
2
3
4
|
try:
np.testing.assert_equal(np.array([1,NaN]),np.array([1,None]))
exceptExceptionase:
print(type(e),e)
|
|
1
2
3
4
5
6
|
<class'assertionerror'="">
Arrays are notequal
(mismatch50.0%)
x:array([ 1., nan])
y:array([1,None],dtype=object)
|
在Series中的情况
下面两个实验中的表现和基准一致
In[40]:
|
1
|
Series([NaN,'a'])==Series([NaN,'a'])
|
Out[40]:
|
1
2
3
|
0 False
1 True
dtype:bool
|
In[41]:
|
1
|
Series([None,'a'])==Series([NaN,'a'])
|
Out[41]:
|
1
2
3
|
0 False
1 True
dtype:bool
|
但是None和基准的表现不一致。
In[42]:
|
1
|
Series([None,'a'])==Series([None,'a'])
|
Out[42]:
|
1
2
3
|
0 False
1 True
dtype:bool
|
和array类似，Series也有专门的函数equals用于判断两边的Series是否整体看相等
In[43]:
|
1
|
Series([None,'a']).equals(Series([NaN,'a']))
|
Out[43]:
|
1
|
True
|
In[44]:
|
1
|
Series([None,'a']).equals(Series([None,'a']))
|
Out[44]:
|
1
|
True
|
In[45]:
|
1
|
Series([NaN,'a']).equals(Series([NaN,'a']))
|
Out[45]:
|
1
|
True
|
比numpy.testing.assert_equals更智能些， 三种情况下都能恰当的处理
在DataFrame merge中的表现
两边的None会被判为相同
In[46]:
|
1
2
3
|
a=DataFrame({'A':[None,'a']})
b=DataFrame({'A':[None,'a']})
a.merge(b,on='A',how='outer')
|
Out[46]:
| A | |
|---|---|
| 0 | None |
| 1 | a |
两边的NaN会被判为相同
In[47]:
|
1
2
3
|
a=DataFrame({'A':[NaN,'a']})
b=DataFrame({'A':[NaN,'a']})
a.merge(b,on='A',how='outer')
|
Out[47]:
| A | |
|---|---|
| 0 | NaN |
| 1 | a |
无论两边都是None,都是NaN，还是都有,相关的列都会被正确的匹配。 注意一边是None,一边是NaN的时候。会以左侧的结果为准。
In[48]:
|
1
2
3
|
a=DataFrame({'A':[None,'a']})
b=DataFrame({'A':[NaN,'a']})
a.merge(b,on='A',how='outer')
|
Out[48]:
| A | |
|---|---|
| 0 | None |
| 1 | a |
In[49]:
|
1
2
3
|
a=DataFrame({'A':[NaN,'a']})
b=DataFrame({'A':[None,'a']})
a.merge(b,on='A',how='outer')
|
Out[49]:
| A | |
|---|---|
| 0 | NaN |
| 1 | a |
注意
这和空值在postgresql等sql数据库中的表现不一样， 在数据库中， join时两边的空值会被判定为不同的数值
在groupby中的表现
In[50]:
|
1
2
|
d=DataFrame({'A':[1,1,1,1,2],'B':[None,None,'a','a','b']})
d.groupby(['A','B']).apply(len)
|
Out[50]:
|
1
2
3
4
|
A B
1 a 2
2 b 1
dtype:int64
|
可以看到(1, NaN)对应的组直接被忽略了
In[51]:
|
1
2
|
d=DataFrame({'A':[1,1,1,1,2],'B':[None,None,'a','a','b']})
d.groupby(['A','B']).apply(len)
|
Out[51]:
|
1
2
3
4
|
A B
1 a 2
2 b 1
dtype:int64
|
(1,None)的组也被直接忽略了
In[52]:
|
1
2
|
d=DataFrame({'A':[1,1,1,1,2],'B':[None,NaN,'a','a','b']})
d.groupby(['A','B']).apply(len)
|
Out[52]:
|
1
2
3
4
|
A B
1 a 2
2 b 1
dtype:int64
|
那么上面这个结果应该没啥意外的
总结
DataFrame.groupby会忽略分组列中含有None或者NaN的记录
支持写入数据库?
往数据库中写入时NaN不可处理，需转换成None,否则会报错。这个这里就不演示了。
相信作为pandas老司机， 至少能想出两种替换方法。
In[53]:
|
1
2
|
s=Series([None,NaN,'a'])
s
|
Out[53]:
|
1
2
3
4
|
0 None
1 NaN
2 a
dtype:object
|
方案１
In[54]:
|
1
|
s.replace([NaN],None)
|
Out[54]:
|
1
2
3
4
|
0 None
1 None
2 a
dtype:object
|
方案２
In[55]:
|
1
2
|
s[s.isnull()]=None
s
|
Out[55]:
|
1
2
3
4
|
0 None
1 None
2 a
dtype:object
|
然而这么就觉得完事大吉的话就图样图森破了， 看下面的例子
In[56]:
|
1
2
|
s=Series([NaN,1])
s
|
Out[56]:
|
1
2
3
|
0 NaN
1 1.0
dtype:float64
|
In[57]:
|
1
|
s.replace([NaN],None)
|
Out[57]:
|
1
2
3
|
0 NaN
1 1.0
dtype:float64
|
In[58]:
|
1
2
|
s[s.isnull()]=None
s
|
Out[58]:
|
1
2
3
|
0 NaN
1 1.0
dtype:float64
|
当其他数据是int或float时,Series又一声不吭的自动把None替换成了NaN。
这时候可以使用第三种方法处理
In[59]:
|
1
|
s.where(s.notnull(),None)
|
Out[59]:
|
1
2
3
|
0 None
1 1
dtype:object
|
where语句会遍历s中所有的元素，逐一检查条件表达式， 如果成立， 从原来的s取元素； 否则用None填充。 这回没有自动替换成NaN
None vs NaN要点总结
- 在pandas中， 如果其他的数据都是数值类型， pandas会把None自动替换成NaN, 甚至能将
s[s.isnull()]= None,和s.replace(NaN, None)操作的效果无效化。 这时需要用where函数才能进行替换。 - None能够直接被导入数据库作为空值处理， 包含NaN的数据导入时会报错。
- numpy和pandas的很多函数能处理NaN，但是如果遇到None就会报错。
- None和NaN都不能被pandas的groupby函数处理，包含None或者NaN的组都会被忽略。
等值性比较的总结:（True表示被判定为相等）
| None对None | NaN对NaN | None对NaN | |
|---|---|---|---|
| 单值 | True | False | False |
| tuple(整体) | True | True | False |
| np.array(逐个) | True | False | False |
| Series(逐个) | False | False | False |
| assert_equals | True | True | False |
| Series.equals | True | True | True |
| merge | True | True | True |
由于等值性比较方面，None和NaN在各场景下表现不太一致，相对来说None表现的更稳定。
为了不给自己惹不必要的麻烦和额外的记忆负担。 实践中，建议遵循以下三个原则即可
- 在用pandas和numpy处理数据阶段将None,NaN统一处理成NaN,以便支持更多的函数。
- 如果要判断Series,numpy.array整体的等值性，用专门的Series.equals,numpy.array函数去处理，不要自己用
==判断 * - 如果要将数据导入数据库，将NaN替换成None
