为何Pandas中的不等于（neq）比较结果存在不一致性？

这个差异的核心是NaN（非数值）的特殊比较规则，拆解来看：

• 首先看数组的类型转换：
  你用np.array([None,2.3,1.4])创建数组时，因为数组里同时有None和浮点数，numpy会自动把整个数组转为float64类型，其中None会被转换成浮点体系里的特殊值——NaN。

• 然后是两种比较的规则区别：

  1. 整体矢量化比较（s_None != s_None）：
     Pandas（底层基于numpy）为了方便用户快速定位缺失值，对矢量化的不等比较做了特殊逻辑：只要元素是NaN，!=的结果就返回True。所以这行代码的输出其实和s_None.isna()完全一致，第一个元素是NaN，所以取索引0的结果是True。
  2. 逐元素直接比较（s_None[0] != s_None[0]）：
     当你直接取出单个NaN元素做比较时，遵循的是IEEE浮点数的标准规则：NaN和任何值（包括它自己）的比较结果都是False。所以这里NaN != NaN会返回False。

内容的提问来源于stack exchange，提问作者P.Jo