np.Nan和np.Nan之间有什么区别吗?根据我的理解,两者都用于零值,但如果你看这里
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
df = pd.DataFrame([[np.nan,2,np.nan,0],[3,4,np.nan,1],[np.nan,np.nan,np.nan,5]],columns=list('ABCD'))
print(df)
print(np.nan == np.NaN)
我得到以下输出:
A B C D
0 NaN 2.0 NaN 0
1 3.0 4.0 NaN 1
2 NaN NaN NaN 5
False
Process finished with exit code 0
现在,如果这些是相同的,print(np.nan == np.NaN)
应该返回True
,为什么数据帧中的值被填充为NaN
?
我知道NaN
不是一个数字,所以它可能会这样处理它,从而更改数据帧中的条目,但我仍然不确定。
所以基本上NaN
、NAN
和nan
是nan 的等价定义
或者换句话说
NaN
和NAN
是nan
的别名
np.nan
np.NaN
np.NAN
如果您要检查这些值的相等性,它将返回False
如果你检查这3种类型,你会发现它们都是相同的type(float)
但是让
a=np.NaN
b=np.NAN
c=np.nan
现在,如果您要检查a、b和c的相等性,它将返回True
(现在不起作用(
即使在文件(第4行(中也有这样的说法:-
无法使用相等来测试NaNs
你可以在这里查看文档:-
https://numpy.org/doc/stable/user/misc.html?highlight=numpy%20nan
- 当您尝试:
np.nan is np.NAN is np.NaN
时,您将获得true
- 我搜索了努皮的官方医生,上面写着:
- 非数字(NaN(的IEEE 754浮点表示。NaN和NaN是NaN的等效定义。请使用nan而不是nan
- 非数字(NaN(的IEEE 754浮点表示。NaN和NaN是NaN的等效定义。请使用nan而不是nan
实际上,即使您测试:np.nan == np.nan
你会得到false