Question

如果我运行以下代码：

dft1 = pd.DataFrame({'a':[1, np.nan, np.nan]})
dft2 = pd.DataFrame({'a':[1, 1, np.nan]})
dft1.a==dft2.a

结果是

0     True
1    False
2    False
Name: a, dtype: bool

如何使结果成为

0     True
1    False
2     True
Name: a, dtype: bool

即np.nan == np.nan的值为True。

我认为这是基本功能，我必须问一个重复的问题，但是我花了很多时间在SO或Google中搜索，但找不到它。

Answer 1

想不出一个已经为您做到的功能（很奇怪），所以您可以自己完成：

dft1.eq(dft2) | (dft1.isna() & dft2.isna())

       a
0   True
1  False
2   True

请注意括号的存在。在熊猫中使用重载按位运算符时，要优先考虑优先事项。

另一种选择是使用np.nan_to_num，如果您确定两个DataFrame的索引和列都相同，那么此结果是有效的：

np.nan_to_num(dft1) == np.nan_to_num(dft2)

array([[ True],
       [False],
       [ True]])

np.nan_to_num用一些填充值（数字为0，字符串数组为'nan'）填充NaN。

Answer 2

将np.isclose与equal_nan=True一起使用：

np.isclose(dft1, dft2, equal_nan=True, rtol=0, atol=0)

array([[ True],
   [False],
   [ True]])

重要的是将atol和rtol都设置为零，以避免对相似值进行相等声明。

Answer 3

由于np.nan不等于np.nan

np.nan==np.nan
Out[609]: False



dft1.a.fillna('NaN')==dft2.a.fillna('NaN')
Out[610]: 
0     True
1    False
2     True
Name: a, dtype: bool

Answer 4

np.nan被定义为不等于np.nan。

迭代

检查每个对是否相等或全部np.nan

def naneq(t):
  return (t[0] == t[1]) or np.isnan(t).all()

[*map(naneq, zip(dft1.a, dft2.a))]

[True, False, True]

`nunique`

计算唯一值。确保设置参数dropna=False

pd.concat([dft1, dft2], axis=1).nunique(1, 0) == 1

0     True
1    False
2     True
dtype: bool