Python 在布尔比较中保留NaN值

我在一个数据框中有两个布尔列A和B，每个列都缺少数据（由NaN表示）。我想要的是对这两列执行AND操作，但是如果原始列中的任何一列是NaN，我希望得到的布尔列是NaN。我有下表：

    A      B
0   True   True    
1   True   False   
2   False  True   
3   True   NaN    
4   NaN    NaN
5   NaN    False

现在，当我执行

df.A和df.B

时，我想要：

0    True
1    False
2    False
3    NaN
4    NaN
5    False
dtype: bool

但我得到的却是：

0    True
1    False
2    False
3    True
4    True
5    False
dtype: bool

这种行为与

np.bool（np.nan）&np.bool（False）

及其排列是一致的，但我真正想要的是一个列，它告诉我每一行对这两个都是真的，或者肯定不能对这两个都是真的。如果我知道两个都是真的，那么结果应该是真的，如果我知道至少一个是假的，那么它应该是假的，否则我需要NaN来证明数据丢失

有没有办法做到这一点？

让我们使用：

输出：

0     True
1    False
2    False
3      NaN
4      NaN
5    False
Name: A, dtype: object

熊猫>=1.0 如果您使用的是新的（不要与传统的numpy

bool

类型混淆），pandas将直接支持此操作

#将数据类型转换为“boolean”的小快捷方式`
df2=df.convert\u dtypes（）
df2.d类型
布尔值
布尔型
数据类型：对象
df2['A']和df2['B']
0对
1错误
2错误
3.
4.
5错误
数据类型：布尔型

---

最后，请考虑升级到熊猫1：-（<）/P>期望输出中的最后一个值不是<代码>楠< /C> >使用<代码> NoPy.Logic和。不，只要我知道至少有一个条目是假的，我知道它们不是都是真的。你能扩展你的EQ答案吗？code>df.x=df.x.where（pd.isna，df.x=='1'）@EvanBenn在我看来，你正在尝试做一个

填充
df.x.fillna（1）
如果df.x是NaN，那么我正在尝试df.x=NaN，否则df.x==1试试这个：
df.x.mask（df.x.notnull（），1）
0     True
1    False
2    False
3      NaN
4      NaN
5    False
Name: A, dtype: object

# Setup
df = pd.DataFrame({'A':[True, True, False, True, np.nan, np.nan], 
                   'B':[True, False, True, np.nan, np.nan, False]})

df.dtypes                                                                  

A    object
B    object
dtype: object

# A little shortcut to convert the data type to `boolean`
df2 = df.convert_dtypes()                                                  
df2.dtypes                                                                 

A    boolean
B    boolean
dtype: object

df2['A'] & df2['B']                                                        

0     True
1    False
2    False
3     <NA>
4     <NA>
5    False
dtype: boolean