经常混淆。
空值一般表示数据未知、不适用或将在以后添加数据。缺失值指数据集中某个或某些属性的值是不完整的。
在python中有这些空值缺失值表示：['nan', '', 'None', None, np.nan]
一般空值使用None表示，缺失值使用NaN表示。
注意： python中没有null，但是有和其意义相近的None。
pd.isnull不仅可以检测np.nan也可以检测None。
注意：pd.isnull是不可以检测字符串的，比如’'，‘nan’，‘None’。这个也很好理解，字符串有字符串的判断方式。我就踩了None和'None'的坑。。。
目录
1. None
1.1 None 与 'None'
1.1.1 处理空值类型的None
1.1.2 处理字符串类型的None
2. NaN
3. Pandas特别说明
判断缺失值方法
4. Pandas如何检测None和Nan
4.1 如何检测
5. 个人理解的等式
1. None
c = None
if isinstance(c, str):
print('ok')
else:
print(type(c))
# 代码输出
# <class 'NoneType'>None表示空值，它是一个特殊 Python 对象, None的类型是NoneType。None 是 NoneType 数据类型的唯一值，我们不能再创建其它 NoneType 类型的变量，但是可以将 None 赋值给任何变量。
>>> type(None)
<class 'NoneType'>
该对象在Python解释器启动时自动创建，解释器停止时销毁。
特点
- None 不支持任何运算
- None 和任何其他的数据类型比较永远返回False
- None 有自己的数据类型NoneType，不能创建其他NoneType对象（它只有一个值None）
- None 与0、空列表、空字符串不一样
- 可以将None赋值给任何变量，也可以给None值变量赋值
- None是没有像len,size等属性的，要判断一个变量是否为None，直接使用
>>> None == 0
False
>>> None == ''
False
>>> None == False
False作为没有return关键函数的返回值
对于所有没有 return 语句的函数定义，Python 都会在末尾加上 return None，使用不带值的 return 语句（也就是只有 return 关键字本身），那么就返回 None。
def func()没有写返回值，那么返回值就是None
>>> def function():
print('hanshu')
result = function()
print(result)
hanshu
None特别说明，表格中None有两种情况：
（1）空值类型的None。（2）字符串类型的“None”，是真实存在的。
1.1 None 与 'None'
1.1.1 处理空值类型的None
df.dropna(how='all')#删除所有内容均为缺失值的行
df.dropna(axis=1) #丢弃有缺失值的列
df.dropna(axis=1, how = 'all') #丢弃所有列中所有值均缺失的列
df.dropna(axis=0, subset=['datetime', 'values'])#丢弃datetime和values这两列中有缺失值的行
1.1.2 处理字符串类型的None
可以先将“None”值replace为pandas可读取的空值，如nan，然后再用dropna（）去掉即可。
df.replace(to_replace='None', value=np.nan).dropna()
但我用这个没生效。。。
2. NaN
当使用Numpy或者Pandas处理数据的时候，经常会遇到条目中没有没有数据，然后当我们在去打印的时候就会出现NaN。
- NaN是没有办法和任何数据进行比较。
- 它和任何值都不相等，包括他自己。
- 它的类型是float，但是和任何值做计算的结果都是NaN
import pandas as pd
df = pd.read_excel('/Users/mac/Desktop/test.xlsx',header=None)
df
0 1 2
0 1 2.0 3
1 4 NaN 6
2 7 8.0 9原数据为下图：
>>> num = df.loc[1,1]
>>> num
nan
>>> result = num + 2 # nan+2是nan哦
>>> result
>>> nannan和np.nan的关系是？一样的。
3. Pandas特别说明
- 在pandas中的空值是""（直接一对双引号）；空字符串：" "，中间多了一个空格
- 缺失值在DataFrame指的是NaN或者NaT，在Series中指的是none或者nan
- 当我们需要人为指定一个缺失值的时候，默认用None和np.nan来表示
其次，我们看看Pandas中None和NaN的关联：np.nan就是NaN，数据类型float64
- 在我们创建的时候，默认二者是相同的；
如果我们指定赋值为None，在Series中依然会变成none，并且是以float64的数据类型显示。
下面截图有问题，None不允许赋值。
有问题
判断缺失值方法
Pandas中提供了一些用于
检查或处理空值和缺失值的函数或方法
- 使用
isnull()和notnull()函数可以判断数据集中是否存在空值和缺失值 - 对于
缺失数据可以使用dropna()和fillna()方法对缺失值进行删除和填充，如果是None则不生效。
4. Pandas如何检测None和Nan
- None是Python的特殊类型，NoneType对象，它只有一个值None。它不支持任何运算也没有任何内建方法。None和任何其他的数据类型比较永远返回False。None有自己的数据类型NoneType。你可以将None复制给任何变量，但是你不能创建其他NoneType对象。
>>>type(None)
<class 'NoneType'>
- python 中Nan是not a number（非数）它即不是无穷大, 也不是无穷小，无穷大减无穷大会导致NaN，无穷大乘以0或无穷小或除以无穷大会导致NaN，有NaN参与的运算, 其结果也一定是NaN，NaN != NaN
>>>type(np.nan)
<class 'float'>
- NULL 空字符串（python里没有null这个类型）
>>>type('')
<class ''str'>
4.1 如何检测
个人感觉最好用的是pd.isnull（或pd.isna）
isnull和isna区别
isnull是isna的别名，既然一样为什么要搞两个名字？Pandas dataframe是根据R的dataframe设计的，而R语言中na和null是两种不同的数据类型，因此有isna和isnull，python就保留了这两个方法，isnull是isna的别名而已；另一方面，pandas是建立在numpy之上的，numpy中又没有na或null值，而是用np.nan来表示缺失值，
所以pd.isnull不仅可以检测np.nan也可以检测None。
注意
pd.isnull是不可以检测字符串的，比如’'，‘nan’，‘None’。这个也很好理解，字符串有字符串的判断方式。
比较全面的判断这些与空值有关的方法
i == '' or
pd.isnull(i) or
pd.isnull(float('nan')) （或者 i =='nan'） or
i =='None'
举例
list = ['nan', '', 'None', None, np.nan]
for i in list:
if i == '' or pd.isnull(i) or pd.isnull(float('nan')) or i == 'None':
print(i)
# ----------------------------
nan
None
None
nan
5. 个人理解的等式
- NULL(数据库)=None(python列表)=NaN(pandas)
- 空字符(数据库)=空字符(python列表)=空字符(pandas)
- 从csv中获取数据时：空值(csv)=NULL(数据库)=NaN(pandas)
- 转为csv数据时：数据库中的NULL\空字符和pandas中的NaN\空字符，都变成csv中的空值。
参考：
None、null和NaN - 简书
图解pandas缺失值处理_pandas none赋值_尤尔小屋的猫的博客-CSDN博客
http://t.csdn.cn/x4Fx2文章来源：https://www.toymoban.com/news/detail-449153.html
https://blog.csdn.net/Android_xue/article/details/121257528文章来源地址https://www.toymoban.com/news/detail-449153.html
到了这里，关于【Pandas】Python中None、null和NaN的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
