如何让Pandas可空Int64类型与常规int比较时返回False而非pd.NA？

pandas里的pd.NA遵循缺失值传播的设计逻辑，这是可空类型的默认行为，和np.nan的“静默返回False”不同。目前没有全局设置能直接改变这个规则，但可以通过以下几种方式实现需求：

方法1：比较前用fillna替换缺失值 #

根据比较逻辑选择一个不影响结果的填充值，比如做> 0比较时，把pd.NA替换成比阈值小的数：

import pandas as pd

# 示例数据
df = pd.DataFrame({
    'nullable_col': pd.Series([1, pd.NA, 3], dtype='Int64'),
    'regular_col': [0, 0, 0]
})

# 替换pd.NA为-1后执行比较
result = (df['nullable_col'].fillna(-1) > df['regular_col'])
print(result)
# 输出：
# 0     True
# 1    False
# 2     True
# dtype: bool

方法2：比较后将pd.NA替换为False #

先执行比较得到含pd.NA的布尔列，再用fillna或where强制转换：

# 先执行比较
comparison = df['nullable_col'] > df['regular_col']
# 将pd.NA替换为False
result = comparison.fillna(False)
# 或用where写法：result = comparison.where(comparison.notna(), False)
print(result)

方法3：自定义复用函数（批量场景） #

如果需要多次使用该逻辑，可以封装一个简单函数：

import operator

def compare_with_false_for_na(left, right, op):
    comp = op(left, right)
    return comp.fillna(False)

# 调用示例：大于比较
result = compare_with_false_for_na(df['nullable_col'], df['regular_col'], operator.gt)

注意：不同比较逻辑需调整填充策略，比如做< 0比较时，需根据业务需求决定pd.NA替换为True还是False。

内容的提问来源于stack exchange，提问作者Nick K