python中frame=none是什么意思啊_Python 中 NaN 和 None 的详细比较

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]:

Python

1

2

3fromnumpyimportNaN

frompandasimportSeries,DataFrame

importnumpyasnp

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]:

Python

1

type(None)

Out[3]:

Python

1NoneType

In[4]:

Python

1

type(NaN)

Out[4]:

Python

1float

能作为dict的key?

In[5]:

Python

1

{None:1}

Out[5]:

Python

1{None:1}

In[6]:

Python

1

{NaN:1}

Out[6]:

Python

1{nan:1}

In[7]:

Python

1

{None:1,NaN:2}

Out[7]:

Python

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]:

Python

1

2

s=Series([None,NaN,'a'])

s

Out[8]:

Python

1

2

3

40None

1NaN

2a

dtype:object

In[9]:

Python

1

s.map({None:1,'a':'a'})

Out[9]:

Python

1

2

3

401

11

2a

dtype:object

可以看到None和NaN都会替换成了1

In[10]:

Python

1

s.map({NaN:1,'a':'a'})

Out[10]:

Python

1

2

3

401

11

2a

dtype:object

同样None和NaN都会替换成了1

In[11]:

Python

1

s.map({NaN:2,'None':1,'a':'a'})

Out[11]:

Python

1

2

3

402

12

2a

dtype:object

将None替换成1的要求被忽略了

In[12]:

Python

1

s.map({'None':1,NaN:2,'a':'a'})

Out[12]:

Python

1

2

3

402

12

2a

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]:

Python

1

2

s=Series([None,NaN,'a'])

s

Out[13]:

Python

1

2

3

40None

1NaN

2a

dtype:object

In[14]:

Python

1

s.replace([NaN],9)

Out[14]:

Python

1

2

3

409

19

2a

dtype:object

In[15]:

Python

1

s.replace([None],9)

Out[15]: