[python skill]Python 中 NaN 和 None 的詳細比較

原文出自： http://junjiecai.github.io/posts/2016/Oct/20/null_value_comparison/ 感謝~

python原生的None和pandas, numpy中的numpy.NaN盡管在功能上都是用來标示空缺資料。但它們的行為在很多場景下确有一些相當大的差異。由于不熟悉這些差異，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内，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”有更深的了解。

為了了解本文的内容,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]:

Python

1 2 3

from numpy import NaN from pandas import Series, DataFrame import numpy as np

資料類型?

None是一個python特殊的資料類型， 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]:

{None:1}

Out[5]:

{None: 1}

In[6]:

{NaN:1}

Out[6]:

{nan: 1}

In[7]:

{None:1, NaN:2}

Out[7]:

{nan: 2, None: 1}

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]:

4	0    None 1     NaN 2       a dtype: object

In[9]:

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

Out[9]:

0    1 1    1 2    a

可以看到None和NaN都會替換成了1

In[10]:

s.map({NaN:1,'a':'a'})

Out[10]:

同樣None和NaN都會替換成了1

In[11]:

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

Out[11]:

0    2 1    2

将None替換成1的要求被忽略了

In[12]:

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

Out[12]:

将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分别定義了不同的映射數值，那麼隻有一個會生效。

Series.replace中的表現

In[13]:

Out[13]:

In[14]:

s.replace([NaN],9)

Out[14]:

0    9 1    9

In[15]:

s.replace([None],9)

Out[15]:

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。

對函數的支援

numpy有不少函數可以自動處理NaN。

In[16]:

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

Out[16]:

但是None不能享受這些函數的便利，如果資料包含的None的話會報錯

In[17]:

try:     np.nansum([1,2,None]) except Exception as e:     print(type(e),e)

unsupported operand type(s) for +: ‘int’ and ‘NoneType’

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

In[18]:

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

Out[18]:

0    NaN dtype: category Categories (1, object): [(1, 2]]

In[19]:

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

unorderable types: int() > NoneType()

對容器資料類型的影響

混入numpy.array的影響

如果資料中含有None,會導緻整個array的類型變成object。

In[20]:

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

Out[20]:

dtype('O')

而np.NaN盡管會将原本用int類型就能儲存的資料轉型成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]:

Series([1, NaN])

Out[22]:

0    1.0 1    NaN dtype: float64

下面的這個就很意外的吧

In[23]:

Series([1, None])

Out[23]:

pandas将None自動替換成了NaN！

In[24]:

Series([1.0, None])

Out[24]:

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的底層又依賴于numpy，是以做了這樣的自動轉化。

不過如果本來Series就隻能用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]:

0       a 1    None

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]:

其它的資料類型是bool時，也不會做這樣的轉化。

In[27]:

Series([True, False, None])

Out[27]:

0     True 1    False 2     None

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]:

在tuple中的情況

這個不奇怪

In[31]:

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

Out[31]:

這個也不意外

In[32]:

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

Out[32]:

但是下面這個實驗NaN的表現和基準不一緻

In[33]:

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

Out[33]:

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]:

和基準的表現一緻。

但是大部分情況我們希望上面例子中， 我們希望左右兩邊的array被判定成一緻。這時可以用numpy.testing.assert_equal函數來處理。 注意這個函數的表現同assert， 不會傳回True, False， 而是無反應或者raise Exception

In[37]:

np.testing.assert_equal(np.array([1,NaN]), np.array([1,NaN]))

它也可以處理兩邊都是None的情況

In[38]:

np.testing.assert_equal(np.array([1,None]), np.array([1,None]))

但是一邊是None，一邊是NaN時會被認為兩邊不一緻, 導緻AssertionError

In[39]:

np.testing.assert_equal(np.array([1,NaN]), np.array([1,None]))

6	<class 'assertionerror'=""> Arrays are not equal (mismatch 50.0%) 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緻

In[40]:

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

Out[40]:

0    False 1     True dtype: bool

In[41]:

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

Out[41]:

但是None和基準的表現不一緻。

In[42]:

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

Out[42]:

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

In[43]:

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

Out[43]:

In[44]:

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

Out[44]:

In[45]:

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

Out[45]:

比numpy.testing.assert_equals更智能些， 三種情況下都能恰當的處理

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]:

A
None
	a

兩邊的NaN會被判為相同

In[47]:

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

Out[47]:

NaN

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

In[48]:

Out[48]:

In[49]:

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]:

A  B 1  a    2 2  b    1 dtype: int64

可以看到(1, NaN)對應的組直接被忽略了

In[51]:

Out[51]:

(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']})

Out[52]:

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

支援寫入資料庫?

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

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'])

Out[53]:

方案１

In[54]:

s.replace([NaN],None)

Out[54]:

方案２

In[55]:

s[s.isnull()]=None

Out[55]:

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])

Out[56]:

1    1.0

In[57]:

s.replace([NaN], None)

Out[57]:

In[58]:

s[s.isnull()] = None

Out[58]:

當其他資料是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]:

1       1

where語句會周遊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

1. 在pandas中， 如果其他的資料都是數值類型， pandas會把None自動替換成NaN, 甚至能将

   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。
2. None能夠直接被導入資料庫作為空值處理， 包含NaN的資料導入時會報錯。
3. numpy和pandas的很多函數能處理NaN，但是如果遇到None就會報錯。
4. 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）

None對None	NaN對NaN	None對NaN
單值
tuple(整體)
np.array(逐個)
Series(逐個)
assert_equals
Series.equals
merge

由于等值性比較方面，None和NaN在各場景下表現不太一緻，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處理資料階段将None,NaN統一處理成NaN,以便支援更多的函數。
• 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 *
• 如果要将資料導入資料庫，将NaN替換成None