Pandas中的NaN究竟是什么？解析其与同类空值的差异

首先明确：你通过DataFrame取到的这个nan_value，本质就是NumPy的np.nan，它的类型是float是因为np.nan本身就是IEEE 754浮点数标准定义的「非数字（Not a Number）」特殊值，属于浮点类型。

你遇到的比较结果不符合预期，核心原因是NaN的固有特性，和Pandas的实现无关：

• 按照IEEE 754标准，NaN的定义就是「不等于任何值，包括它自己」，所以不管是nan_value == np.nan还是np.nan == np.nan，结果都会是False。
• 和None比较返回False，是因为None是Python的空对象，和浮点类型的NaN类型不匹配，自然不相等。
• 和pd.NA比较返回<NA>，是因为pd.NA是Pandas为统一多类型缺失值引入的标量，它可以表示整数、布尔、字符串等多种类型的缺失，而nan_value是浮点类型的缺失，Pandas无法直接判定两者严格等价，因此返回表示「不确定」的pd.NA。

如果要正确判断某个值是否是缺失值，不要用==比较，应该用专门的工具函数：

pd.isna(nan_value)  # 返回True
np.isnan(nan_value) # 返回True

内容的提问来源于stack exchange，提问作者Kevin Choi