Python 为什么熊猫会在南部合并？

最近，我问了一个关于大熊猫价值缺失的问题，并直接问了一位科学家。看完那一页和那本书后

我想知道为什么

merge

和

join

在“它们不相等”时将nan视为匹配项：

np.nan！=np.nan

# merge example
df = pd.DataFrame({'col1':[np.nan, 'match'], 'col2':[1,2]})
df2 = pd.DataFrame({'col1':[np.nan, 'no match'], 'col3':[3,4]})
pd.merge(df,df2, on='col1')

    col1    col2    col3
0   NaN      1       3

# join example with same dataframes from above
df.set_index('col1').join(df2.set_index('col1'))

      col2  col3
col1        
NaN     1   3.0
match   2   NaN

但是，不包括

groupby

中的NAN：

df = pd.DataFrame({'col1':[np.nan, 'match', np.nan], 'col2':[1,2,1]})
df.groupby('col1').sum()

       col2
col1    
match   2

当然，您可以

dropna（）

或

df[df['col1'].notnull（）]

，但我很好奇，为什么在一些pandas操作中，比如

groupby

，而不是在其他操作中，比如

merge

，

join

，

update

，和

map

，都不包括nan code>

本质上，正如我上面所问的，为什么

merge

和

join

在

np.nan

上不匹配？是的，这肯定是一个bug。查看哪些文档正是您的问题所在，哪些注释使用

None

也可以观察到该问题。根据讨论，这似乎不是有意的行为

快速深入源代码显示问题*可能在

pandas/core/restrape/merge.py

中的函数中。此函数用于分解键，以确定哪些行要相互匹配

具体来说，这一部分

# NA group
lmask = llab == -1
lany = lmask.any()
rmask = rlab == -1
rany = rmask.any()

if lany or rany:
    if lany:
        np.putmask(llab, lmask, count)
    if rany:
        np.putmask(rlab, rmask, count)
    count += 1

…似乎是罪魁祸首。NaN键被标识为有效类别（类别值等于

计数

）

免责声明：我不是熊猫开发者，这只是我的猜测；因此，真正的问题可能是其他问题。但乍一看，似乎是这样