当我在Python中使用numpy和pandas进行某些集合操作时，遇到了一个奇怪的现象，我认为这会导致nan中的不一致处理。
让我们假设我们有一个非常简单的情况，即以集合为我们的兴趣点：
import numpy as np
import pandas as pd
a = {1, 2, 3, np.nan}
b = {1, 2, 4, np.nan}
print(a - b)
出局：
{3}
这很好，我们希望是这样，但是让我们继续一些更复杂的示例，其中包括pandas系列/数据帧：
series = pd.Series([1, 2, 3, np.nan, 1, 2, 3])
d = set(series)
print(d)
出局：
{nan, 1.0, 2.0, 3.0}
再一次，很好。不过，当我们打电话时：
print(d - b) # the same applies to a single column of a data frame in place of a series
结果是（对我来说出乎意料）：
{nan, 3.0}
输出中仍然有一个nan值。
我确实知道，当我们创建series变量时，所有输入值都在幕后强制转换为float64格式，包括nan值。
type(series.iloc[3])
出局：
numpy.float64
自由创建的np.nan的类型仅为float。当然，两种情况下的np.isnan()函数都将返回True。我仍然认为这是不一致的，因为我假设所有基本的Python操作（无疑是set操作所属的Python操作）将以与数字相似的方式对待nan。即使对集合中的数字应用了与nan相同的类型转换（在纯Python中，它们是int，而在pandas系列中，它们是{{1 }}}，设置操作仍将它们视为相同的实体，并充分删除值。 float应该也是（准）数字，但处理方式有所不同。是由于某种原因无法解决的功能，错误或已确认的情况？
Python版本：3.6.6。 numpy版本：1.16.2。 熊猫版本：0.24.2。