pandas df.any()方法本地与在线环境返回结果不一致，全NaN行未返回预期NaN值

碰到这种本地和在线环境行为不一致的问题确实让人头大，我来帮你梳理一下可能的原因和解决办法：

可能的原因分析 #

1. pandas版本差异 #

你提到觉得不是版本问题，但不同pandas版本对any()处理全NaN行的逻辑确实有明显变化。比如在pandas 1.0之前，对于包含NaN的object类型列（因为numpy原生bool数组无法存储NaN，混合bool和NaN的列会自动转为object类型），any(axis=1, skipna=False)会把NaN当作布尔值True处理，导致全NaN行返回True；而较新版本的pandas引入了Nullable Boolean类型（BooleanDtype），支持原生存储NaN，此时any(skipna=False)对全NaN的行就会返回NaN，和你在线环境的预期一致。

2. 列的数据类型不一致 #

在线环境可能自动将你的目标列识别为Nullable Boolean类型，而本地环境中列是object类型。这会直接导致any()的行为差异——object类型中的NaN在布尔判断中会被视为True，而Nullable Boolean类型中的NaN会被正确识别为缺失值。

解决办法 #

方法一：统一pandas版本并转换数据类型 #

1. 先查看本地和在线的pandas版本，运行：

   import pandas as pd
   print(pd.__version__)
   

2. 如果本地版本低于1.0，建议升级到较新版本（比如1.5.x或2.x系列）：

   pip install --upgrade pandas
   

3. 将你的目标列转换为Nullable Boolean类型：

   cols = ['Contributing Factors. Dissatisfaction', 'Contributing Factors. Job Dissatisfaction']
   df[cols] = df[cols].astype('boolean')
   

4. 再调用any()：

   df['dissatisfied'] = df[cols].any(axis=1, skipna=False)
   

   此时全NaN的行就会返回NaN，和在线环境一致。

方法二：手动处理全NaN行（兼容所有版本） #

如果不想升级版本，可以手动标记全NaN的行，然后组合结果：

cols = ['Contributing Factors. Dissatisfaction', 'Contributing Factors. Job Dissatisfaction']
# 标记两行都是NaN的行
all_nan_mask = df[cols].isna().all(axis=1)
# 先计算any的结果，再把全NaN行替换为NaN
df['dissatisfied'] = df[cols].any(axis=1, skipna=False)
df.loc[all_nan_mask, 'dissatisfied'] = pd.NA

这样不管版本如何，都能得到你预期的结果：有True值的行返回True，无True值但有其他值的行返回False，全NaN行返回NaN。

验证方法 #

你可以先在本地运行以下代码，检查列的数据类型和全NaN行的情况：

cols = ['Contributing Factors. Dissatisfaction', 'Contributing Factors. Job Dissatisfaction']
# 查看列的数据类型
print(df[cols].dtypes)
# 查看全NaN的行数量
print(df[cols].isna().all(axis=1).sum())

这能帮你快速确认是不是数据类型或者版本的问题。

备注：内容来源于stack exchange，提问作者quakenstein