python - Pandas 的 pd.NA 与 np.nan

Question

Pandas 的

pd.NA 与 np.nan 。哪一个与 pandas 一起使用以及为什么使用？它们与 pandas 的主要优点和缺点是什么？

一些使用它们的示例代码:

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             |

Answer 1

截至目前(发布 pandas-1.0.0 )我真的建议谨慎使用它。

首先，它仍然是一个实验功能:

Experimental: the behaviour of pd.NA can still change without warning.

其次，行为与np.nan不同:

Compared to np.nan, pd.NA behaves differently in certain operations. In addition to arithmetic operations, pd.NA also propagates as “missing” or “unknown” in comparison operations.

两个配额均来自 release-notes

为了展示一些额外的例子，我对插值行为感到惊讶:

创建简单的数据框:

df = pd.DataFrame({"a": [0, pd.NA, 2], "b": [0, np.nan, 2]})
df
#       a    b
# 0     0  0.0
# 1  <NA>  NaN
# 2     2  2.0

并尝试插值:

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

这有一些原因(我仍在发现)，无论如何，我只是想强调这些差异 - 这是一个实验性功能，在某些情况下表现不同。

我认为这将是非常有用的功能，但我会非常小心地对待诸如“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，但当您没有意识到时可能会造成一些麻烦。