当to_replace包含nan时，为什么pandas Series.replace会更改数据类型？

Question

添加{nan: nan}会更改Series.replace中的数据类型吗？如果是的话，具有这种行为的目的是什么？

这是我的期望：

from pandas import Series
from numpy import nan

series = Series(['Y', 'N', 'Unknown', nan])
series.replace({'Y': False, 'N': True, 'Unknown': nan})

0    False
1     True
2      NaN
3      NaN
dtype: object

这是我添加NaN的“无辜”身份映射后得到的结果：

series.replace({'Y': False, 'N': True, 'Unknown': nan, nan: nan})
0    0.0
1    1.0
2    NaN
3    NaN
dtype: float64

该示例在上下文中看起来很傻-实际上，当修改了映射字典（在代码的其他地方也使用过）时，身份映射是偶然引入的。

背景：我正在清理同时包含NaN和“未知”的DataFrame。由于每一列都是单独考虑的（有时 Unknown 是所需的值！）我没有指示熊猫在数据加载期间将“ Unknown”视为NaN。

相关： Pandas Series.replace on boolean Series（5岁，与NaN无关，并且是固定的）