Python Pandas-函数get_dummies（）中的参数dummy_na的优点/用例是什么？

以下是文件：

>>> s1 = ['a', 'b', np.nan]

>>> pd.get_dummies(s1)
   a  b
0  1  0
1  0  1
2  0  0

>>> pd.get_dummies(s1, dummy_na=True)
   a  b  NaN
0  1  0    0
1  0  1    0
2  0  0    1

现在，我不明白为什么会有人需要使用Dummy_na，我也没有在stackoverflow上找到任何关于这个的评论

---

作为从事数据科学工作的人，我想知道以这种方式标记NAN值是否有任何好处

正如您在示例中所看到的，第三项没有这两个值。这也是一个很有价值的特性。例如，如果每个特征都是患者的疾病，您可能希望知道患者没有任何疾病

当您没有某些数据时，它可能是一个特性。例如，颜色可以是红色、绿色，或者您没有相关数据。@AntonPomieshchenko确实如此。但事实上，你不是红色，也不是绿色，这已经意味着你没有这方面的数据。我认为这还不足以作为一个理由：如果你说“每种疾病，你的结果都是阴性的”，你已经在传达患者没有疾病。。。信息已经是隐含的。说明它的用例是什么？