我有几个大的以逗号分隔的数据集，其中包含浮点数（数十万），但有些值可能会丢失（通常没有丢失，或只有几百个），并使用字符串{{1标记为null }}。我想将所有值转换为实际的float类型数据，并将它们存储在列表中以供进一步处理。
我使用以下代码和"null"语句（这是更为pythonic的方式AFAIK）将字符串转换为浮点数，如果引发异常，我会检查是否由于{而引发了异常{1}}价值。如果try-except值导致异常，我只需"null"。否则，我提出异常。请记住，在典型的数据集中，没有或很少有例外。
"null"这很好用，但我意识到，偶尔我会得到一个包含大量pass值（数千）的数据集，上面的代码需要很长时间才能执行（几分钟或几小时，相比之下）通常会在几秒钟内处理完毕！）
然后我尝试添加try:
num = float(string)
except ValueError:
if string == "null"
pass
else:
raise ValueError
语句，以便首先检查字符串值是否等于"null"，并且只有当字符串不是if时才尝试转换float函数的字符串。在这种情况下，我将在典型数据集中进行许多冗余字符串比较，只有很少或没有"null"值：
"null"通过以下代码示例，我测量了两种方式的执行时间，令我惊讶的是，当我添加额外的"null"语句时，我会看到，除非出现意外的非浮点字符串，否则会避免所有异常除try:
if string != "null":
num = float(string)
except:
print("String {} could not be converted to float".format(string))
raise
以外，我的代码执行得更快。
if示例执行输出：
"null"有人可以解释为什么会这样吗？实现这个的最佳方法是什么？