DataFrames.jl为缺失值实现NA：
help?> NA
NA
A value denoting missingness within the domain of any type.
尽管如此，朱莉娅已经有了NaN类型：
help?> NaN
NaN
A not-a-number value of type Float64.
这个设计决定的原因是什么？
答案 0 :(得分：2)
所有编程语言答案：
NA表示缺失值。
NaN表示未明确定义的算术运算。
根据定义，它们是不同的，因此有两种不同的东西＆＃34;需要描述它们。
例如，考虑n/n的序列n = ..., -2, -1, 0, 1, 2, ...。在此序列中，当n = 0时，序列元素为0/0，其定义不明确，因此评估为NaN。但在任何意义上，0/0都不会缺少序列NA的元素，因此a, b, NA, d在这种情况下是不合适的。
对比的例子是来自某些环境传感器c的观察序列。传感器在第三次观察时出现故障，因此记录为缺失。尽管如此，在第三次观察时，传感器应该记录的一些真值[{1}}如果没有发生故障，那么算术上也很明确。
所有你需要的东西＆＃34;东西＆＃34;发生在同一数据集中的是一些可能发生丢失数据的设置，以及在某些情况下可能在算术上没有明确定义的观察。紧随其后的是NaN，NA需要与众不同。
Julia特定答案： NaN属于Float64类型。但是，如果您的数据集属于其他类型，例如Int或String，该怎么办？如果我们使用NaN表示缺少数据，那么您的数据集需要是一个联合类型数组，例如Union{Int, Float64}或Union{String, Float64}，这意味着性能将受到影响（请参阅性能提示部分官方文件讨论联盟类型）。相比之下，已经完成了大量工作（从内存开始，最终在v0.6中），以确保NA可用于表示许多不同类型的数组中的缺失数据，而不会造成太多性能损失。这是如何实现的？这绝对是一个不同（但有趣）的问题，老实说，我认为我没有资格回答这个问题。