根据其他列更改值时，Pandas NaN 值会导致问题

Question

为什么 Pandas NaN 值有时输入为 numpy.float64，有时是浮动的？当我想使用函数并根据其他列更改数据框中的值时，这非常令人困惑例子：   A    B    C0  1  NaN    d1  2    a    s2  2    b    s3  3    c  NaN我有一个 def 来改变 C 列的值def change_val(df):    if df.A==1 and df.B==np.nan:        return df.C    else:        return df.B然后我将此函数应用到 C 列df['C']=df.apply(lambda x: change_val(x),axis=1)事情出了问题df.B==np.nan，我该如何正确表达？想要的结果：   A    B    C0  1  NaN    d1  2    a    a2  2    b    b3  3    c    c

Answer 1

使用numpy.where或loc，用于检查缺失值使用特殊功能Series.isna：

mask = (df.A==1) & (df.B.isna())

#oldier pandas versions

#mask = (df.A==1) & (df.B.isnull())

df['C'] = np.where(mask, df.C, df.B)

或者：

df.loc[~mask, 'C'] = df.B

print (df)

   A    B  C

0  1  NaN  d

1  2    a  a

2  2    b  b

3  3    c  c

有关使用缺失数据检查文档的更多信息。

Answer 2

def change_val(df):

    if df.A==1 and pd.isnull(df.B):

        return df.C

    else:

        return df.B

NaN 是无值将不等于任何值，甚至不等于 Nan 本身，因此使用 isnull()/isna()