Python中NaN和None 的詳細比較

來源：Exolution

junjiecai.github.io/posts/2016/Oct/20/none_vs_nan/

python原生的None和pandas, numpy中的numpy.NaN儘管在功能上都是用來標示空缺數據。但它們的行為在很多場景下確有一些相當大的差異。由於不熟悉這些差異，曾經給我的工作帶來過不少麻煩。特此整理了一份詳細的實驗，比較None和NaN在不同場景下的差異。

實驗的結果有些在意料之內，有些則讓我大跌眼鏡。希望讀者看過此文後會None和NaN這對「小妖精」有更深的理解。

為了理解本文的內容,希望本文的讀者需要對pandas的Series使用有一定的經驗。

首先，導入所需的庫

In[2]:

fromnumpyimportNaN

frompandasimportSeries,DataFrame

importnumpyasnp

數據類型?

None是一個python特殊的數據類型， 但是NaN卻是用一個特殊的float

In[3]:

type(None)

Out[3]:

NoneType

In[4]:

type(NaN)

Out[4]:

float

能作為dict的key?

In[5]:

Out[5]:

In[6]:

Out[6]:

In[7]:

Out[7]:

都可以，而且會被認為是不同的key

Series函數中的表現

Series.map

In[8]:

s=Series([None,NaN, a ])

s

Out[8]:

None

1NaN

2a

dtype:object

In[9]:

s.map()

Out[9]:

1

11

2a

dtype:object

可以看到None和NaN都會替換成了1

In[10]:

s.map()

Out[10]:

1

11

2a

dtype:object

同樣None和NaN都會替換成了1

In[11]:

s.map()

Out[11]:

2

12

2a

dtype:object

將None替換成1的要求被忽略了

In[12]:

s.map({ None :2,NaN:1, a : a })

Out[12]:

2

12

2a

dtype:object

將NaN替換成1的要求被忽略了

總結: 用Series.map對None進行替換時,會「順便」把NaN也一起替換掉；NaN也會順便把None替換掉。

如果None和NaN分別定義了不同的映射數值，那麼只有一個會生效。

Series.replace中的表現

In[13]:

s=Series([None,NaN, a ])

s

Out[13]:

None

1NaN

2a

dtype:object

In[14]:

s.replace([NaN],9)

Out[14]:

9

19

2a

dtype:object

In[15]:

s.replace([None],9)

Out[15]:

9

19

2a

dtype:object

和Series.map的情況類似,指定了None的替換值後,NaN會被替換掉;反之亦然。

對函數的支持

numpy有不少函數可以自動處理NaN。

In[16]:

np.nansum([1,2,NaN])

Out[16]:

3.0

但是None不能享受這些函數的便利，如果數據包含的None的話會報錯

In[17]:

try:

np.nansum([1,2,None])

exceptExceptionase:

print(type(e),e)

unsupported operand type(s) for +: 『int』 and 『NoneType』

pandas中也有不少函數支持NaN卻不支持None。(畢竟pandas的底層是numpy)

In[18]:

importpandasaspd

pd.cut(Series([NaN]),[1,2])

Out[18]:

NaN

dtype:category

Categories(1,object):[(1,2]]

In[19]:

importpandasaspd

try:

pd.cut(Series([None]),[1,2])

exceptExceptionase:

print(type(e),e)

unorderable types: int() > NoneType()

對容器數據類型的影響

混入numpy.array的影響

如果數據中含有None,會導致整個array的類型變成object。

In[20]:

np.array([1, None]).dtype

Out[20]:

dtype( O )

而np.NaN儘管會將原本用int類型就能保存的數據轉型成float，但不會帶來上面這個問題。

In[21]:

np.array([1, NaN]).dtype

Out[21]:

dtype( float64 )

混入Series的影響

下面的結果估計大家能猜到

In[22]:

1.0

1NaN

dtype:float64

下面的這個就很意外的吧

In[23]:

Series([1, None])

Out[23]:

1.0

1NaN

dtype:float64

pandas將None自動替換成了NaN！

In[24]:

Series([1.0, None])

Out[24]:

1.0

1NaN

dtype:float64

卻是Object類型的None被替換成了float類型的NaN。 這麼設計可能是因為None無法參與numpy的大多數計算， 而pandas的底層又依賴於numpy，因此做了這樣的自動轉化。

不過如果本來Series就只能用object類型容納的話， Series不會做這樣的轉化工作。

In[25]:

Series([ a , None])

Out[25]:

a

1None

dtype:object

如果Series裡面都是None的話也不會做這樣的轉化

In[26]:

Series([None,None])

Out[26]:

None

1None

dtype:object

其它的數據類型是bool時，也不會做這樣的轉化。

In[27]:

Series([True, False, None])

Out[27]:

True

1False

2None

dtype:object

等值性判斷

單值的等值性比較

下面的實驗中None和NaN的表現會作為後面的等值性判斷的基準(後文稱為基準)

In[28]:

None == None

Out[28]:

True

In[29]:

NaN == NaN

Out[29]:

False

In[30]:

None == NaN

Out[30]:

False

在tuple中的情況

這個不奇怪

In[31]:

(1, None) == (1, None)

Out[31]:

True

這個也不意外

In[32]:

(1, None) == (1, NaN)

Out[32]:

False

但是下面這個實驗NaN的表現和基準不一致

In[33]:

(1, NaN) == (1, NaN)

Out[33]:

True

在numpy.array中的情況

In[34]:

np.array([1,None]) == np.array([1,None])

Out[34]:

array([ True, True], dtype=bool)

In[35]:

np.array([1,NaN]) == np.array([1,NaN])

Out[35]:

array([ True, False], dtype=bool)

In[36]:

np.array([1,NaN]) == np.array([1,None])

Out[36]:

array([ True, False], dtype=bool)

和基準的表現一致。

In[37]:

它也可以處理兩邊都是None的情況

In[38]:

但是一邊是None，一邊是NaN時會被認為兩邊不一致, 導致AssertionError

In[39]:

try:

exceptExceptionase:

print(type(e),e)

Arrays arenotequal

(mismatch50.0%)

x:array([1.,nan])

y:array([1,None],dtype=object)

在Series中的情況

下面兩個實驗中的表現和基準一致

In[40]:

Series([NaN, a ]) == Series([NaN, a ])

Out[40]:

False

1True

dtype:bool

In[41]:

Series([None, a ]) == Series([NaN, a ])

Out[41]:

False

1True

dtype:bool

但是None和基準的表現不一致。

In[42]:

Series([None, a ]) == Series([None, a ])

Out[42]:

False

1True

dtype:bool

和array類似，Series也有專門的函數equals用於判斷兩邊的Series是否整體看相等

In[43]:

Series([None, a ]).equals(Series([NaN, a ]))

Out[43]:

True

In[44]:

Series([None, a ]).equals(Series([None, a ]))

Out[44]:

True

In[45]:

Series([NaN, a ]).equals(Series([NaN, a ]))

Out[45]:

True

在DataFrame merge中的表現

兩邊的None會被判為相同

In[46]:

a=DataFrame({ A :[None, a ]})

b=DataFrame({ A :[None, a ]})

a.merge(b,on= A ,how= outer )

Out[46]:

兩邊的NaN會被判為相同

In[47]:

a=DataFrame({ A :[NaN, a ]})

b=DataFrame({ A :[NaN, a ]})

a.merge(b,on= A ,how= outer )

Out[47]:

無論兩邊都是None,都是NaN，還是都有,相關的列都會被正確的匹配。 注意一邊是None,一邊是NaN的時候。會以左側的結果為準。

In[48]:

a=DataFrame({ A :[None, a ]})

b=DataFrame({ A :[NaN, a ]})

a.merge(b,on= A ,how= outer )

Out[48]:

In[49]:

a=DataFrame({ A :[NaN, a ]})

b=DataFrame({ A :[None, a ]})

a.merge(b,on= A ,how= outer )

Out[49]:

注意

這和空值在postgresql等sql資料庫中的表現不一樣， 在資料庫中， join時兩邊的空值會被判定為不同的數值

在groupby中的表現

In[50]:

d=DataFrame({ A :[1,1,1,1,2], B :[None,None, a , a , b ]})

d.groupby([ A , B ]).apply(len)

Out[50]:

AB

1a2

2b1

dtype:int64

可以看到(1, NaN)對應的組直接被忽略了

In[51]:

d=DataFrame({ A :[1,1,1,1,2], B :[None,None, a , a , b ]})

d.groupby([ A , B ]).apply(len)

Out[51]:

AB

1a2

2b1

dtype:int64

(1,None)的組也被直接忽略了

In[52]:

d=DataFrame({ A :[1,1,1,1,2], B :[None,NaN, a , a , b ]})

d.groupby([ A , B ]).apply(len)

Out[52]:

AB

1a2

2b1

dtype:int64

那麼上面這個結果應該沒啥意外的

總結

DataFrame.groupby會忽略分組列中含有None或者NaN的記錄

支持寫入資料庫?

往資料庫中寫入時NaN不可處理，需轉換成None,否則會報錯。這個這裡就不演示了。

相信作為pandas老司機， 至少能想出兩種替換方法。

In[53]:

s=Series([None,NaN, a ])

s

Out[53]:

None

1NaN

2a

dtype:object

方案１

In[54]:

s.replace([NaN],None)

Out[54]:

None

1None

2a

dtype:object

方案２

In[55]:

s[s.isnull()]=None

s

Out[55]:

None

1None

2a

dtype:object

然而這麼就覺得完事大吉的話就圖樣圖森破了， 看下面的例子

In[56]:

s=Series([NaN,1])

s

Out[56]:

NaN

11.0

dtype:float64

In[57]:

s.replace([NaN], None)

Out[57]:

NaN

11.0

dtype:float64

In[58]:

s[s.isnull()]=None

s

Out[58]:

NaN

11.0

dtype:float64

當其他數據是int或float時,Series又一聲不吭的自動把None替換成了NaN。

這時候可以使用第三種方法處理

In[59]:

s.where(s.notnull(), None)

Out[59]:

None

11

dtype:object

where語句會遍歷s中所有的元素，逐一檢查條件表達式， 如果成立， 從原來的s取元素； 否則用None填充。 這回沒有自動替換成NaN

None vs NaN要點總結

在pandas中， 如果其他的數據都是數值類型， pandas會把None自動替換成NaN, 甚至能將s[s.isnull()]= None,和s.replace(NaN, None)操作的效果無效化。 這時需要用where函數才能進行替換。

None能夠直接被導入資料庫作為空值處理， 包含NaN的數據導入時會報錯。

numpy和pandas的很多函數能處理NaN，但是如果遇到None就會報錯。

None和NaN都不能被pandas的groupby函數處理，包含None或者NaN的組都會被忽略。

等值性比較的總結:（True表示被判定為相等）

由於等值性比較方面，None和NaN在各場景下表現不太一致，相對來說None表現的更穩定。

為了不給自己惹不必要的麻煩和額外的記憶負擔。 實踐中，建議遵循以下三個原則即可

在用pandas和numpy處理數據階段將None,NaN統一處理成NaN,以便支持更多的函數。

如果要判斷Series,numpy.array整體的等值性，用專門的Series.equals,numpy.array函數去處理，不要自己用==判斷 *

如果要將數據導入資料庫，將NaN替換成None

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！

本站內容充實豐富，博大精深，小編精選每日熱門資訊，隨時更新，點擊「搶先收到最新資訊」瀏覽吧！

請您繼續閱讀更多來自 Python 的精彩文章: