Python 熊猫的pd.NA与np.nan

pd.NA

vs

np.nan

。熊猫使用哪一种？为什么使用？它们和熊猫的主要优势和劣势是什么

使用这两种方法的一些示例代码：

import pandas as pd
import numpy as np

df = pd.DataFrame({ 'object': ['a', 'b', 'c',pd.NA],
                   'numeric': [1, 2, np.nan , 4],
                    'categorical': pd.Categorical(['d', np.nan,'f', 'g'])
                 })

输出：

|    | object   |   numeric | categorical   |
|---:|:---------|----------:|:--------------|
|  0 | a        |         1 | d             |
|  1 | b        |         2 | nan           |
|  2 | c        |       nan | f             |
|  3 | <NA>     |         4 | g             |

| |对象|数字|分类|
|---:|:---------|----------:|:--------------|
|0 | a | 1 | d|
|1 | b | 2 | nan|
|2 | c | nan | f|
|3 | 4 | g|

pd.NA

是在最新版本的中引入的

我建议您在

np.nan

上使用它，因为它包含在

pandas

库中，它应该最适合数据帧。

根据

pd.NA的目标是提供一个可以跨数据类型一致使用的“缺失”指标

因此，如果您有一个包含多个数据类型的列，那么可以使用

pd.NA

else

np.nan

但是，由于

pd.NA

似乎具有与

np.nan

相同的功能，因此最好将

pd.NA

用于所有nan目的

现在只有一个导入

到现在为止（的发布版），我真的建议您小心使用它

首先，它仍然是一个实验性的特征：

实验性：

pd.NA

的行为仍然可以在没有警告的情况下改变

其次，该行为不同于

np.nan

：

与

np.nan

相比，

pd.NA

在某些操作中表现不同。除了算术运算之外，

pd.NA

在比较运算中也作为“缺失”或“未知”传播

两个配额都来自

为了展示其他一些示例，我对插值行为感到惊讶：

创建简单数据帧：

df=pd.DataFrame（{“a”：[0，pd.NA，2]，“b”：[0，np.nan，2]}）
df
#a b
# 0     0  0.0
#1楠
# 2     2  2.0

并尝试插入：

df.interpolate（）
#a b
# 0     0  0.0
# 1    1.0
# 2     2  2.0

这其中有一些原因（我仍在发现），无论如何，我只想强调这些差异-这是一个实验特性，在某些情况下，它的行为不同

---

我认为这将是一个非常有用的特性，但我会非常小心地处理诸如“使用它而不是

np.nan

”之类的语句。在大多数情况下，这可能是正确的，但在您不知道的情况下可能会导致一些问题。

pd.NA和np.nan都表示数据帧中缺少值
我注意到的主要区别是np.nan是一个浮点值，而pd.NA存储一个整数值。 如果数据集中的column1包含所有整数和一些缺少的值，并且缺少的值被np.nan替换，那么该列的数据类型将变为浮点，因为np.nan是浮点。 但是，如果数据集中的column2包含所有整数和一些缺失值，并且缺失值被pd.NA替换，那么该列的数据类型仍然是整数，因为pd.NA是整数。

---

如果您希望将任何列保留为int，而不是将其更改为float，那么这可能非常有用。

我非常确定pd.NA在后端使用的是np.nan。Pandas倾向于在后端使用numpy。这是什么版本的Pandas？@roganjosh我使用的是Anaconda的v1.0.0。“与np.nan相比，pd.NA在某些运算中表现不同。除了算术运算，pd.NA在@kenan no的比较运算中也作为“缺失”或“未知”传播，在这种情况下，从您的链接来看，

NA

现在似乎是实验性功能，因此对于一些严重的问题，我认为现在应该避免使用。

pd.NA

没有完全相同的功能，因此切换时要小心

pd.NA

在相等运算中传播，而

np.nan

不传播

pd.NA==1

产生

，但是

np.nan==1

产生

False

。从@tdpr提供的数据来看，

NA

现在似乎是实验性的特性，所以对于一些严重的问题，我认为现在应该避免。

pd.NA

没有完全相同的功能，所以切换时要小心

pd.NA

在相等运算中传播，而

np.nan

不传播

pd.NA==1

产生

，但

np.nan==1

产生

False

。