【Python3】简述numpy.nan和None的区别

最新推荐文章于 2025-09-21 18:23:37 发布

转载最新推荐文章于 2025-09-21 18:23:37 发布 · 2.5k 阅读

3 ·

CC 4.0 BY-SA版权

原文链接：https://www.cnblogs.com/onemorepoint/p/8966791.html

Python 专栏收录该内容

9 篇文章

订阅专栏

本文详细解析了在使用Pandas处理数据时，None与NaN的区别及处理方式。包括它们在函数处理、等值性比较、数据导入等方面的不同表现，并提供了实践建议。

None vs NaN要点总结

在pandas中，如果其他的数据都是数值类型， pandas会把None自动替换成NaN, 甚至能将s[s.isnull()]= None,和s.replace(NaN, None)操作的效果无效化。这时需要用where函数才能进行替换。

None能够直接被导入数据库作为空值处理，包含NaN的数据导入时会报错。

numpy和pandas的很多函数能处理NaN，但是如果遇到None就会报错。

None和NaN都不能被pandas的groupby函数处理，包含None或者NaN的组都会被忽略。

等值性比较的总结:（True表示被判定为相等）

类型	None对None	NaN对NaN	None对NaN
单值	True	False	False
tuple(整体)	True	True	False
np.array(逐个)	True	False	False
Series(逐个)	False	False	False
assert_equals	True	True	False
Series.equals	True	True	True
merge	True	True	True

在Dataframe和Series中可以用isna或者notna判断是否是NAN

由于等值性比较方面，None和NaN在各场景下表现不太一致，相对来说None表现的更稳定。

为了不给自己惹不必要的麻烦和额外的记忆负担。实践中，建议遵循以下三个原则即可

在用pandas和numpy处理数据阶段将None,NaN统一处理成NaN,以便支持更多的函数。
如果要判断Series,numpy.array整体的等值性，用专门的Series.equals,numpy.array函数去处理，不要自己用==判断 *　如果要将数据导入数据库，将NaN替换成None

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

沐浴清风z

关注关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

【Python数据分析与可视化】期末复习试题集

风口IT猪的成长录

12-03

2万+

1.Jupyter notebook不具备的功能是（） Jupyter notebook可以直接生成一份交互式文档 Jupyter notebook可以安装Python库 Jupyter notebook可以导出HTML文件 Jupyter notebook可以将文件分享给他人 right_answers: Jupyter notebook可以将文件分享给他人 2.在Jupyter notebook的命令模式下，要查看所有快捷..

Python 数据分析第五期--简述时间序列数据分析

weixin_37956420的博客

02-15

650

Python 数据分析第五期–简述时间序列数据分析文章目录Python 数据分析第五期--简述时间序列数据分析1.Python 的日期和时间处理操作1.1 时间序列分类1.2 datetime 模块1.3 str -> datetime2.Pandas 的日期和时间处理操作2.1 Pandas的时间序列处理2.2 索引2.3 过滤2.4 生成日期范围2.5 频率与偏移量2....

参与评论您还未登录，请先登录后发表或查看评论

Python中Nan||None||NaT||Null的区别

Python热爱者的博客

07-19

586

None是一个python特殊的数据类型；None不同于空列表和空字符串、空列表[ ]、空Series、空Dataframe，而是一个特殊的值，表示什么也没有，是一种单独的格式。: 在Python中没有这个NULL，NULL主要是在C语言中，在Python中对应的就是None;: NaN是numpy\pandas下的，不是Python原生的，Not a Number的简称。对整体的series或Dataframe判断是否未空，用isnull()对单独的某个值判断，可以用 np.isnan()

python之pandas中NaN与None的比较与处理

hutaotaotao的博客

05-08

5646

python之pandas中NaN与None的比较与处理

python的nan，NaN，NAN

qq_33819591的博客

09-15

7943

nan NaN NAN python

01.numpy中判断None和nan方法

weixin_43019440的博客

12-16

3757

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！这是你第一次使用 Markdown编辑器所展示的欢迎页。如果你想学习如何使用Mar

Python3 ---关于numpy的方法总结笔记。

深度不学习！！的博客

06-24

3080

一. 使用numpy生成数组: 1.arange和range的用法是一样的，可以写start end 和step。 2.生成的数据类型都是 numpy.ndarray import numpy as np res = np.array([0,1,2,3,4,5,6,7,8,9]) res_1 = np.array(range(10)) res_2 = np.arange(10) 三种方法输出都是: [0 1 2 3 4 5 6 7 8 9] 二. 查看数据类型 1.type是查看变量的类型 2.dt

Python科学计算基础模块Numpy及其应用

leemboy的博客

11-08

1063

Numpy（Numeric Python）是应用Python进行科学计算时的基础模块。它是一个提供多维数组对象的Python库，除此之外，还包含了多种衍生的对象（比如掩码式数组(masked arrays)或矩阵）以及一系列的为快速计算数组而生的例程，包括数学运算，逻辑运算，形状操作，排序，选择，I/O，离散傅里叶变换，基本线性代数，基本统计运算，随机模拟等等。 Numpy库中最...

NumPy 深度解析：Python 科学计算的基石与入门指南

热门推荐

11-27

9万+

inf 与 naninf不是nan，inf-inf或者-inf+inf是nan。inf是∞\infty，一个比其他所有值都大的值。>>> 2*float('inf') >>> inf >>> -2*float('inf') >>> -inf >>> float('inf') == float('inf') >>> True >>> float('inf') - float('inf') nan判断一

Python3判断变量为空值（NaN）

chenbaixing的博客

04-02

1万+

要判断某个变量x是否为空（nan、NaN、Null） import pandas as pdx pd.isnull(x)

Python3：Pandas的简单使用5(NaN值的处理，特殊显示值?的处理以及数据的分组和聚合)

编程学习者的博客

01-05

2832

1.声明当前的内容用于本人复习使用，主要是针对Pandas读取数据出现NaN值时的处理，以及读取的时候产生?或者其他值的处理，还有分组和统计。 2.处理NaN值在读取数据的时候可能出现某个值缺失，这个时候Pandas默认使用NaN代替缺失值！准备具有确实值的数据： import pandas as pd import numpy as np pd_dataFrame = pd.rea...

chatgpt赋能python：Python中出现NaN的原因及解决方法

axuhsssssco的博客

05-26

2694

NaN是Python编程中常见的问题，可以通过使用numpy和pandas库来解决。删除NaN值可以使数据更干净、更准确，为后续的分析和处理提供更好的基础。本文由chatgpt生成，文章没有在chatgpt生成的基础上进行任何的修改。以上只是chatgpt能力的冰山一角。作为通用的Aigc大模型，只是展现它原本的实力。对于颠覆工作方式的ChatGPT，应该选择拥抱而不是抗拒，未来属于“会用”AI的人。🧡AI职场汇报智能办公文案写作效率提升教程 🧡专注于AI+职场+办公方向。下图是课程的整体大纲。

python2与python3中关于对NaN类型数据的判断和转换

敲代码的quant的博客

03-06

7万+

今天在对一堆新数据进行数据清洗的时候，遇到了一个这样的问题：ValueError: cannot convert float NaN to integer 一开始是这样的，我用的jupyter是python35的，使用DataFrame读入了数据，其中有一列是year，默认读入时是将year这一列转换为了float，所以就有了这样的现象：年份都是float类型了，看得我强迫症都犯了。于是通过这样的...

已解决 python出现nan的正确解决方法，亲测有效嘿嘿嘿

PythonAigc的博客

04-28

7114

NaN（Not a Number）在Python的pandas、numpy等科学计算库中经常出现，它表示一个非数字的值。NaN通常出现在以下几种情况：数据集中存在缺失值。计算结果无意义（如0除以0）。某些操作导致非数字结果（如字符串与数字相加）。报错原因 NaN本身并不是错误，而是数据的一个状态，表示该位置的数据缺失或无效。然而，如果在使用NaN参与运算时，没有正确处理，就可能导致结果不符合预期，或者在某些情况下（如某些函数无法处理NaN）会抛出异常。

为什么numpy.nan == numpy.nan输出结果为False

07-10

在NumPy中，`numpy.nan`表示一个特殊的非数值（NaN），而NaN是一个特殊的浮点数，它不等于任何其他值，包括自己。这是因为NaN的定义是一个不确定的或未定义的值，无法与其他值进行比较来判断相等性。在NumPy中使用`==`运算符比较两个NaN时，结果将始终为False。这是为了遵循IEEE浮点数标准，该标准指定NaN与任何值都不相等，包括自身。如果要检查一个值是否为NaN，应使用`numpy.isnan()`函数，它会返回一个布尔值，表示给定值是否为NaN。例如，`numpy.isnan(numpy.nan)`将返回True。