ตรวจสอบอย่างมีประสิทธิภาพว่าวัตถุที่กำหนดเองคือ NaN ใน Python / numpy / pandas หรือไม่?

อาร์เรย์จำนวนนับของฉันใช้np.nanเพื่อกำหนดค่าที่ขาดหายไป เมื่อฉันทำซ้ำชุดข้อมูลฉันจำเป็นต้องตรวจจับค่าที่ขาดหายไปและจัดการกับค่าเหล่านั้นด้วยวิธีพิเศษ

อย่างไร้เดียงสาผมใช้numpy.isnan(val)ซึ่งทำงานได้ดียกเว้นในกรณีที่ไม่ได้อยู่ในหมู่ย่อยของประเภทที่สนับสนุนโดยval numpy.isnan()ตัวอย่างเช่นข้อมูลที่ขาดหายไปอาจเกิดขึ้นในช่องสตริงซึ่งในกรณีนี้ฉันจะได้รับ:

>>> np.isnan('some_string')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: Not implemented for this type

นอกเหนือจากการเขียนกระดาษห่อหุ้มราคาแพงที่จับข้อยกเว้นและส่งคืนFalseแล้วมีวิธีจัดการสิ่งนี้อย่างหรูหราและมีประสิทธิภาพหรือไม่?

pandas.isnull()( pd.isna()ในเวอร์ชันที่ใหม่กว่า) ตรวจหาค่าที่ขาดหายไปทั้งในอาร์เรย์ตัวเลขและสตริง / อ็อบเจ็กต์ จากเอกสารจะตรวจสอบ:

NaN ในอาร์เรย์ตัวเลขไม่มี / NaN ในอาร์เรย์วัตถุ

ตัวอย่างด่วน:

import pandas as pd
import numpy as np
s = pd.Series(['apple', np.nan, 'banana'])
pd.isnull(s)
Out[9]: 
0    False
1     True
2    False
dtype: bool

แนวคิดในการใช้numpy.nanเพื่อแสดงค่าที่ขาดหายไปคือสิ่งที่pandasนำมาใช้ซึ่งเป็นเหตุให้pandasมีเครื่องมือในการจัดการกับมัน

วันที่ด้วย (ถ้าคุณใช้pd.NaTคุณไม่จำเป็นต้องระบุประเภท)

In [24]: s = Series([Timestamp('20130101'),np.nan,Timestamp('20130102 9:30')],dtype='M8[ns]')

In [25]: s
Out[25]: 
0   2013-01-01 00:00:00
1                   NaT
2   2013-01-02 09:30:00
dtype: datetime64[ns]``

In [26]: pd.isnull(s)
Out[26]: 
0    False
1     True
2    False
dtype: bool

ประเภทของคุณเป็นไปตามอำเภอใจจริงหรือ? ถ้าคุณรู้ว่ามันจะเป็น int float หรือ string คุณก็ทำได้

 if val.dtype == float and np.isnan(val):

สมมติว่ามันถูกห่อด้วย numpy มันจะมี dtype เสมอและมีเพียง float และ complex เท่านั้นที่เป็น NaN