python - 当 np.nan 设置为默认值时，为什么 np.select 返回 'nan' 作为字符串而不是 np.nan？

Question

我正在使用 np.select 根据应用于其他列的多个条件创建一个新列。这是一个简单的例子:

df = pd.DataFrame({'A': [0, 3, 4], 'B': [10, 0, 2]})

mask1 = (df['A'] == 0)
mask2 = (df['A'] == 4)

df = df.assign(C = np.select([mask1, mask2], ['Cond1', 'Cond2'], default=np.nan))

使用 np.select 我期望如果两个条件都不满足，我应该在 'C' 列中得到一个 np.nan 值，但是当我使用 df.isna().sum() 在数据框中查找 NaN 我没有找到。

我已经尝试查找此内容，但似乎找不到答案。我在这里缺少什么？

Answer 1

值得一提的是 pandas 有它自己的 arrays (它们建立在 numpy 数组之上)，但有一个通用的缺失值指示器 pd.NA(注意:它仍然是 experimental )。

所以要使用 pandas 数组，我们可以这样做:

mask1 = (df['A'] == 0)
mask2 = (df['A'] == 4)

c = np.select([mask1, mask2], ['Cond1', 'Cond2'], default=pd.NA)
df = df.assign(C=c).convert_dtypes()

   A   B      C
0  0  10  Cond1
1  3   0   <NA>
2  4   2  Cond2

然后如果我们检查数据类型，我们会发现我们正在使用 pandas 数组:

A     Int64
B     Int64
C    string
dtype: object