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”？为什么 DataFrame.isna() 无法检测到 C 中的 NaN 值？

我应该在 where 里面使用 numpy.nan 以外的东西吗？ None 和 pandas.NA 似乎都有效并且可以被 DataFrame.isna() 检测到，但我不确定这些是最佳选择。

谢谢！

编辑：根据@Tim Roberts 和@DYZ，numpy.where returns 一个字符串类型的数组，因此在 numpy.NaN 上调用了 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：在这里最优雅的做法是什么？我应该使用 None 吗？或者别的什么？

Answer 1

B 是一个纯数字列。 C 混合使用字符串和数字，因此该列的类型为“object”，并且打印方式不同。

Answer 2

np.where 将第二个和第三个参数强制转换为相同的数据类型。由于第二个参数是一个字符串，第三个也被转换为一个字符串，通过调用函数 str():

str(numpy.nan)
# 'nan'

结果，C列的值都是字符串。

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)

Pandas、numpy.where() 和 numpy.nan

Pandas, numpy.where(), and numpy.nan

python

pandas

dataframe

numpy

nan