Python 2.7 正在使用.isin（）检查nan是否不工作

我有一个包含

NaN

的熊猫数据帧

import pandas as pd
df = pd.DataFrame([1,2,3,float('nan')], columns=['A'])
df

    A
0   1
1   2
2   3
3 NaN

我还有一个列表

filter\u list

，我想用它来过滤我的数据帧。但是如果我使用

.isin（）

函数，它不会检测

NaN

。我没有得到

True

而是在最后一行得到

False

filter_list = [1, float('nan')]

df['A'].isin(filter_list)
0     True
1    False
2    False
3    False
Name: A, dtype: bool

预期产出：

0     True
1    False
2    False
3    True
Name: A, dtype: bool

我知道我可以使用

.isnull（）

检查

NaNs

。但这里我还有其他值要检查。我正在使用pandas

0.16.0

version

---

编辑：列表

filter\u list

来自用户。所以它可能有也可能没有

NaN

。这就是为什么我使用

.isin（）

浮点NaN有一个有趣的属性：

isin

检查是否相等。因此，不能使用

isin

检查值是否等于NaN。 要检查NAN，最好使用

np.isnull

---

---

如果您确实需要使用

isin（）

来匹配NaN。您可以创建与nan具有相同哈希的类，并在与nan比较时返回True：

import numpy as np
import pandas as pd

class NAN(object):
    def __eq__(self, v):
        return np.isnan(v)

    def __hash__(self):
        return hash(np.nan)

nan = NAN()

df = pd.DataFrame([1,2,3,float('nan')], columns=['A'])
df.A.isin([1, nan])

---

您可以将

nan

替换为列表中不会出现的唯一非nan值，例如

'NA'

或

'

。例如：

In [23]: import pandas as pd

In [24]: df = pd.DataFrame([1, 2, 3, pd.np.nan], columns=['A'])

In [25]: filter_list = pd.Series([1, pd.np.nan])

In [26]: na_equiv = 'NA'

In [27]: df['A'].replace(pd.np.nan, na_equiv).isin(filter_list.replace(pd.np.nan, na_equiv))
Out[27]:
0     True
1    False
2    False
3     True
Name: A, dtype: bool

---

我认为最简单的方法是使用

numpy.nan

：

import pandas as pd
import numpy as np

df = pd.DataFrame([1, 2, 3, np.nan], columns=['A'])
filter_list = [1, np.nan]
df['A'].isin(filter_list)

---

这不起作用，因为

np

使用了

NaN！=NaN

这就是失败的原因，因此您必须先过滤

NaN

值，然后过滤其他值有一种方法，我可以在

filter\u列表中创建
NaN
元素，以便pandas理解它吗？不，我不这么认为，例如
df['a'==float（'NaN'）
仍然不起作用，底线是您必须使用
isnull
或
notnull
来测试
NaN
是否正确分析您的用户输入！不要让他们输入NaN！使用一些适当的NA值填充NA，并对用户输入执行相同的操作。问题是列表
过滤器\u列表
来自用户。因此，它可能有也可能没有
NaN
更改用户界面，使
filter\u NaN
是一个附加参数，并且NaN不包括在
filter\u list
中，或者选中
pd.isnull（filter\u list）。any（）
并相应地处理这些情况。更简单的方法是编写以下代码：将numpy作为np df=pd.DataFrame（[1,2,3，np.nan]，columns=['A']）导入
In [23]: import pandas as pd

In [24]: df = pd.DataFrame([1, 2, 3, pd.np.nan], columns=['A'])

In [25]: filter_list = pd.Series([1, pd.np.nan])

In [26]: na_equiv = 'NA'

In [27]: df['A'].replace(pd.np.nan, na_equiv).isin(filter_list.replace(pd.np.nan, na_equiv))
Out[27]:
0     True
1    False
2    False
3     True
Name: A, dtype: bool

import pandas as pd
import numpy as np

df = pd.DataFrame([1, 2, 3, np.nan], columns=['A'])
filter_list = [1, np.nan]
df['A'].isin(filter_list)