pandas中对nan空值的判断和陷阱

       pandas基于numpy，所以其中的空值nan和numpy.nan是等价的。numpy中的nan并不是空对象，其实际上是numpy.float64对象，所以我们不能误认为其是空对象，从而用bool(np.nan)去判断是否为空值，这是不对的。

       对于pandas中的空值，我们该如何判断，并且有哪些我们容易掉进去的陷阱，即不能用怎么样的方式去判断呢？

可以判断pandas中单个空值对象的方式：

1、利用pd.isnull(),pd.isna();

2、利用np.isnan();

不可以用来判断pandas单个空值对象的方式：

1、不可直接用==表达式判断；

2、不可直接用bool表达式判断；

3、不可直接用if语句判断。

示例：

import pandas as pd
import numpy as np

na=np.nan

# 可以用来判断空值的方式
pd.isnull(na)  # True
pd.isna(na)  # True
np.isnan(na)  # True

# 不可以直接用来判断的方式，即以下结果和我们预期不一样
na == np.nan  # False
bool(na)  # True
if na:
    print('na is not null')  # Output: na is not null


# 不可以直接用python内置函数any和all
any([na])  # True
all([na])  #True

        由于np.nan是一个常量，因此新创建的空值变量会共享同一个内存中的对象，即如果创建na1=np.nan和na2=np.nan，那么na1和na2的id值是相同的，这时可以用is和in表达式来判断空值。但是对于pandas中DataFrame或Series中的空值元素，如果列的类型不为float，那么nan元素会被copy，id值发生改变，所以非float类型列中的nan的id和np.nan的常量id是不一样的，便不能用is和in表达式判断。如下：

# 新建空值变量共享同一个对象
na1 = np.nan
na2 = np.nan # id(na1) == id(na2)
na_l = [np.nan]

na1 is na2 # True
na1 in na_l # True

# DataFrame和Series中的空值元素不能用is和in判断
df
   a    b
0  NaN  0
1  2    1

df.iloc[0,0] is np.nan # False
np.nan in df['a'].values # False

总结

       numpy.nan是一个numpy.float64的非空对象，所以不能直接用bool表达式去判断，故一切依赖于布尔表达式的判断方式都不行，比如if语句。对于pandas中空值的判断，我们只能通过pandas或者numpy的函数，不能用python的内置函数any或all判断。

       我们知道，对于is表达式，如果返回True，表示这两个引用指向的是同一个内存对象，即内存地址是一样的，一般同一个对象的不同引用的值也应该是相等的，所以一般is表达式为True，那么==表达式也为True。但是对于numpy.nan对象显然不是这样的，因为其可以用is表达式判断，即当is表达式为True时，但==表达式为False，这说明虽然不同numpy.nan变量引用指向的是同一个内存地址，但是其具有自己的值属性，值是不一样的，所以不能用==来判断，这点需要注意。