熊猫/Numpy NaN 无比较

Question

在Python Pandas和Numpy中，为什么比较结果不同？

from pandas import Series
from numpy import NaN

NaN不等于NaN

>>> NaN == NaN
False

但列表或元组内的NaN是

>>> [NaN] == [NaN], (NaN,) == (NaN,)
(True, True)

虽然NaNSeries再次不相等：

>>> Series([NaN]) == Series([NaN])
0    False
dtype: bool

None：

>>> None == None, [None] == [None]
(True, True)

而

>>> Series([None]) == Series([None])
0    False
dtype: bool 

这个答案解释了NaN == NaN一般False的原因，但没有解释它在python/pandas集合中的行为。

Answer 1

如此处、此处和 python 文档中解释的检查序列相等性

元素标识首先比较，元素比较 仅对不同元素执行。

因为np.nan和np.NaN指的是同一个对象，即(np.nan is np.nan is np.NaN) == True这种等式成立[np.nan] == [np.nan]，但另一方面float('nan')函数在每次调用时都会创建一个新对象，因此[float('nan')] == [float('nan')]False。

Pandas/Numpy没有这个问题：

>>> pd.Series([np.NaN]).eq(pd.Series([np.NaN]))[0], (pd.Series([np.NaN]) == pd.Series([np.NaN]))[0]
(False, False)

尽管特殊等于方法将同一位置的NaN视为等于。

>>> pd.Series([np.NaN]).equals(pd.Series([np.NaN]))
True

None的处理方式不同。numpy认为它们是平等的：

>>> pd.Series([None, None]).values == (pd.Series([None, None])).values
array([ True,  True])

虽然pandas没有

>>> pd.Series([None, None]) == (pd.Series([None, None]))
0    False
1    False
dtype: bool

==运算符和eq方法之间也存在不一致，此处对此进行了讨论：

>>> pd.Series([None, None]).eq(pd.Series([None, None]))
0    True
1    True
dtype: bool

经pandas: 0.23.4 numpy: 1.15.0测试