Pandas、numpy.where() 和 numpy.nan

Question

我想使用numpy.where() 向 pandas.DataFrame 添加一列。我想对条件为假的行使用 NaN 值（以指示这些值“缺失”）。

考虑：

>>> import numpy; import pandas
>>> df = pandas.DataFrame({'A':[1,2,3,4]}); print(df)
   A
0  1
1  2
2  3
3  4
>>> df['B'] = numpy.nan
>>> df['C'] = numpy.where(df['A'] < 3, 'yes', numpy.nan)
>>> print(df)
   A   B    C
0  1 NaN  yes
1  2 NaN  yes
2  3 NaN  nan
3  4 NaN  nan
>>> df.isna()
       A     B      C
0  False  True  False
1  False  True  False
2  False  True  False
3  False  True  False

为什么 B 显示“NaN”而 C 显示“nan”？以及为什么DataFrame.isna() 检测不到 C 中的 NaN 值？

我应该在哪里使用 numpy.nan 以外的东西？ None 和 pandas.NA 似乎都可以工作并且可以被 DataFrame.isna() 检测到，但我不确定这些是否是最佳选择。

谢谢！

编辑：根据@Tim Roberts 和@DYZ，numpy.where 返回一个字符串类型的数组，因此在 numpy.NaN 上调用 str 构造函数。 C 列中的值实际上是字符串“nan”。然而，问题仍然存在：在这里最优雅的事情是什么？我应该使用None 吗？还是别的什么？

Answer 1

np.where 将第二个和第三个参数强制为相同的数据类型。由于第二个参数是字符串，所以第三个参数也转换为字符串，调用函数str()：

str(numpy.nan)
# 'nan'

因此，C列中的值都是字符串。

您可以先用None 填充NaN 行，然后用fillna() 将它们转换为np.nan：

df['C'] = numpy.where(df['A'] < 3, 'yes', None)
df['C'].fillna(np.nan, inplace=True)

Answer 2

B 是纯数字列。 C 混合了字符串和数字，因此该列的类型为“object”，并且打印方式不同。