pandas基於numpy，所以其中的空值nan和numpy.nan是等價的。numpy中的nan並不是空物件，其實際上是numpy.float64物件，所以我們不能誤認為其是空物件，從而用bool(np.nan)去判斷是否為空值，這是不對的。
對於pandas中的空值，我們該如何判斷，並且有哪些我們容易掉進去的陷阱，即不能用怎麼樣的方式去判斷呢？
1、利用pd.isnull(),pd.isna();
2、利用np.isnan();
3、利用is表示式；
4、利用in表示式。
1、不可直接用==表示式判斷；
2、不可直接用bool表示式判斷；
3、不可直接用if語句判斷。
import pandas as pd
import numpy as np
na=np.nan
# 可以用來判斷空值的方式
pd.isnull(na) # true
pd.isna(na) # true
np.isnan(na) # true
na is np.nan # true
na in [np.nan] # true
# 不可以直接用來判斷的方式，即以下結果和我們預期不一樣
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內建函式any和all
any([na]) # true
all([na]) #true
比較奇怪的一點是pandas中空值的判斷可以用is表示式判斷，但是不能用==表示式判斷。我們知道，對於is表示式，如果返回true，表示這兩個引用指向的是同乙個記憶體物件，即記憶體位址是一樣的，一般同乙個物件的不同引用的值也應該是相等的，所以一般is表示式為true，那麼==表示式也為true。但是對於numpy.nan物件顯然不是這樣的，因為其可以用is表示式判斷，即當is表示式為true時，但==表示式為false，這說明雖然不同numpy.nan變數引用指向的是同乙個記憶體位址，但是其具有自己的值屬性，值是不一樣的，所以不能用==來判斷，這點需要注意。
Pandas中NaN缺失值處理
三 小結 讀取電影資料 pandas刪除缺失值，使用dropna的前提是，缺失值的型別必須是np.nan 不修改原資料 movie.dropna 可以定義新的變數接受或者用原來的變數名 data movie.dropna 替換存在缺失值的樣本的兩列 替換填充平均值，中位數 movie revenue...
對pandas資料判斷是否為NaN值的方法詳解
實際專案中有這樣的需求，將某一列的值，對映成類www.cppcns.com別型的資料，這個時候，需要我們將範圍等頻切分，或者等距切分。具體的做法可以先看某一些特徵的具體分布情況，然後我們選擇合適的閾值進行分割。def age map x if x 26 return 0程式設計客棧 elif x 2...
pandas中關於nan的處理
在pandas中有個另類的存在就是nan，解釋是 not a number，不是乙個數字，但是它的型別確是乙個float型別。numpy中也存在關於nan的方法，如 np.nan 對於pandas中nan的處理，簡單的說有以下幾個方法。檢視是否是nan，s1.isnull 和 s1.notnull ...