Pandas 使用np.where或替代方法比较Nan值是正确的

我想匹配两列，如果它们都是真的。我需要从一个非常大的数据集中删除子集

我遇到了两个问题：

当rowA.exprityDate=NaN和rowB.exprityDate=NaN时，我的条件返回false。我相信这是因为NaN是一种特殊情况。这有什么办法吗。我的匹配条件状态如下：

有没有办法进行交叉匹配条件？rowA.baseCptyId[0]==rowB.extCptyId[1]和rowA.extCptyId[1]==rowB.extCptyId[0]…使用下表会更清楚一些，其中前两行的匹配列为False 以下是我使用的匹配条件：

    combine_series = pd.DataFrame(dict(rowA = rowA, rowB = rowB))
    combine_series['Matched'] = np.where(combine_series['rowA'] == combine_series['rowB'], True, False)

下面是得到的匹配列

                                    rowA          rowB Matched
baseCptyID                       2231200          5900   False
extCptyID                           5900       2231200   False
notional                         3.4e+07       3.4e+07    True
startDate                     2015-05-29    2015-05-29    True
expiryDate                           NaN           NaN   False
settlementDate                2020-06-29    2020-06-29    True
rate                             0.03375       0.03375    True
spread                               NaN           NaN   False
paymentFreq                           PA            PA    True
resetFreq                             PA            PA    True
modelUsed                       FixedLeg      FixedLeg    True
PayoutCCY                            AUD           AUD    True
DayCountConv                ACT/ACT ICMA  ACT/ACT ICMA    True
join_column                      2231200       2231200    True

---

让我们试试这个逻辑，它利用了NaN的优势！=南认为这是真的

df['Matched']=(df.rowA == df.rowB) | ((df.rowA != df.rowA) & (df.rowB != df.rowB))

输出：

                       rowA          rowB Matched
baseCptyID           2231200          5900   False
extCptyID               5900       2231200   False
notional             3.4e+07       3.4e+07    True
startDate         2015-05-29    2015-05-29    True
expiryDate               NaN           NaN    True
settlementDate    2020-06-29    2020-06-29    True
rate                 0.03375       0.03375    True
spread                   NaN           NaN    True
paymentFreq               PA            PA    True
resetFreq                 PA            PA    True
modelUsed           FixedLeg      FixedLeg    True
PayoutCCY                AUD           AUD    True
DayCountConv    ACT/ACT ICMA  ACT/ACT ICMA    True
join_column          2231200       2231200    True

---

让我们试试这个逻辑，它利用了NaN的优势！=南认为这是真的

df['Matched']=(df.rowA == df.rowB) | ((df.rowA != df.rowA) & (df.rowB != df.rowB))

输出：

                       rowA          rowB Matched
baseCptyID           2231200          5900   False
extCptyID               5900       2231200   False
notional             3.4e+07       3.4e+07    True
startDate         2015-05-29    2015-05-29    True
expiryDate               NaN           NaN    True
settlementDate    2020-06-29    2020-06-29    True
rate                 0.03375       0.03375    True
spread                   NaN           NaN    True
paymentFreq               PA            PA    True
resetFreq                 PA            PA    True
modelUsed           FixedLeg      FixedLeg    True
PayoutCCY                AUD           AUD    True
DayCountConv    ACT/ACT ICMA  ACT/ACT ICMA    True
join_column          2231200       2231200    True

可能的重复可能的重复