Pandas/Numpy NaN 无比较答案

【问题标题】：Pandas/Numpy NaN None comparisonPandas/Numpy NaN 无比较
【发布时间】：2019-02-25 10:17:03
【问题描述】：

在 Python Pandas 和 Numpy 中，为什么比较结果不同？

from pandas import Series
from numpy import NaN

NaN 不等于NaN

>>> NaN == NaN
False

但NaN 在列表或元组中是

>>> [NaN] == [NaN], (NaN,) == (NaN,)
(True, True)

虽然Series 和NaN 再次不相等：

>>> Series([NaN]) == Series([NaN])
0    False
dtype: bool

还有None:

>>> None == None, [None] == [None]
(True, True)

虽然

>>> Series([None]) == Series([None])
0    False
dtype: bool

This answer 解释了NaN == NaN 一般为False 的原因，但没有解释其在 python/pandas 集合中的行为。

【问题讨论】：

我不认为链接的帖子给出了与 python 集合中np.NaN 的内部工作相关的答案。如果是NaN!=NaN，为什么要在python中使用[NaN]==[NaN]？
这有帮助吗？ stackoverflow.com/questions/20320022/…

标签： python python-3.x pandas nan nonetype

【解决方案1】：

正如here、here 和python docs 中解释的那样，检查序列是否相等

先比较元素标识，再比较元素仅针对不同的元素执行。

因为np.nan 和np.NaN 指的是同一个对象，即(np.nan is np.nan is np.NaN) == True 这个等式成立[np.nan] == [np.nan]，但另一方面float('nan') 函数在每次调用时创建一个新对象，所以[float('nan')] == [float('nan')] 是@987654332 @。

Pandas/Numpy 没有这个问题：

>>> pd.Series([np.NaN]).eq(pd.Series([np.NaN]))[0], (pd.Series([np.NaN]) == pd.Series([np.NaN]))[0]
(False, False)

虽然特殊的equals 方法将位于同一位置的NaNs 视为平等。

>>> pd.Series([np.NaN]).equals(pd.Series([np.NaN]))
True

None 被区别对待。 numpy 认为它们是平等的：

>>> pd.Series([None, None]).values == (pd.Series([None, None])).values
array([ True,  True])

而pandas 没有

>>> pd.Series([None, None]) == (pd.Series([None, None]))
0    False
1    False
dtype: bool

还有==操作符和eq方法的不一致，讨论here：

>>> pd.Series([None, None]).eq(pd.Series([None, None]))
0    True
1    True
dtype: bool

在pandas: 0.23.4 numpy: 1.15.0测试

【讨论】：