Python / numpy / pandas'ta rastgele nesnenin NaN olup olmadığını verimli bir şekilde kontrol etmek?

Benim numpy dizilerim np.naneksik değerleri belirtmek için kullanır . Veri seti üzerinde yinelediğimde, bu tür eksik değerleri tespit etmem ve bunları özel yollarla ele almam gerekiyor.

Naively kullandım numpy.isnan(val), valdesteklenen türlerin alt kümeleri arasında olmadığı sürece iyi çalışıyor numpy.isnan(). Örneğin, dize alanlarında eksik veriler oluşabilir, bu durumda şunu elde ederim:

>>> np.isnan('some_string')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: Not implemented for this type

İstisnaları ve geri dönüşleri yakalayan pahalı bir paketleyici yazmaktan başka False, bunu zarif ve verimli bir şekilde halletmenin bir yolu var mı?

pandas.isnull()(ayrıca pd.isna(), daha yeni sürümlerde) hem sayısal hem de dize / nesne dizilerindeki eksik değerleri kontrol eder. Belgelerden şunları kontrol eder:

Sayısal dizilerde NaN, nesne dizilerinde Yok / NaN

Hızlı örnek:

import pandas as pd
import numpy as np
s = pd.Series(['apple', np.nan, 'banana'])
pd.isnull(s)
Out[9]: 
0    False
1     True
2    False
dtype: bool

numpy.nanEksik değerleri temsil etmek için kullanma fikri ortaya çıkan bir şeydir pandas, bu yüzdenpandas bununla başa çıkacak araçlara sahiptir.

Veri zamanları da (kullanırsanız pd.NaT, dtype belirtmeniz gerekmez)

In [24]: s = Series([Timestamp('20130101'),np.nan,Timestamp('20130102 9:30')],dtype='M8[ns]')

In [25]: s
Out[25]: 
0   2013-01-01 00:00:00
1                   NaT
2   2013-01-02 09:30:00
dtype: datetime64[ns]``

In [26]: pd.isnull(s)
Out[26]: 
0    False
1     True
2    False
dtype: bool

Tipiniz gerçekten keyfi mi? Bunun bir int float veya string olacağını biliyorsanız,

 if val.dtype == float and np.isnan(val):

numpy ile sarıldığını varsayarsak, her zaman bir dtype'ye sahip olacaktır ve yalnızca float ve complex NaN olabilir