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    C

0  1  NaN    d

1  2    a    s

2  2    b    s

3  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    C

0  1  NaN    d

1  2    a    a

2  2    b    b

3  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.Bprint (df)   A    B  C0  1  NaN  d1  2    a  a2  2    b  b3  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.BNaN 是无值将不等于任何值，甚至不等于 Nan 本身，因此使用 isnull()/isna()