嘿，这个问题我之前也踩过坑！不同数据类型的空值检查确实有差异，咱们一步步理清楚：

首先得说你写的代码np.isnan(row['date'] == True)为啥报错：

• np.isnan()是专门用来检查数值类型（比如float、int）的NaN值的，而日期类型（比如pandas的datetime64）或者字符串类型根本不属于数值范畴，直接用它必然触发类型错误。
• 另外row['date'] == True这个逻辑本身就不合理，日期字段和布尔值True比较没有实际意义，这也会导致后续判断出错。

下面分不同数据类型给你说正确的空值检查方式：

1. 日期类型（以pandas datetime64为例） #

如果你的日期字段是pandas的标准日期类型，最稳妥的方式是用pandas自带的通用空值检查函数：

import pandas as pd
# 检查单个行的日期字段是否为空
if pd.isna(row['date']):
    # 处理空值逻辑
    pass

pd.isna()和pd.isnull()是等价的，它们能精准识别pandas日期类型里的空值（也就是NaT，Not a Time），完全不用纠结类型适配问题。

如果是原生Python的datetime对象，空值一般会用None表示，这时候直接判断就行：

if row['date'] is None:
    # 处理空值逻辑
    pass

2. 字符串类型的空值/空字符串检查 #

你之前说在字符串字段用类似方式有效，大概率是你的字符串列里的空值被存成了数值类型的NaN（这其实是不规范的，pandas推荐用pd.NA表示字符串空值）。正确的字符串空值检查要分两种情况：

• 检查空值（包括NaN/NA/None）：还是用通用的pd.isna()

  if pd.isna(row['str_field']):
      pass
  

• 检查空字符串或者空白字符：需要额外做文本处理判断

  if row['str_field'].strip() == '':
      pass
  

3. 数值类型的空值检查 #

这时候np.isnan()才是适用的，当然也可以用更通用的pd.isna()：

import numpy as np
# 两种方式都可行
if np.isnan(row['num_field']):
    pass
# 或者更通用的写法
if pd.isna(row['num_field']):
    pass

总结一下 #

• 优先用pd.isna()/pd.isnull()，这是pandas提供的通用空值检查工具，兼容几乎所有数据类型（日期、字符串、数值、对象等），不用再区分类型，省心又不容易出错。
• 别再用np.isnan()去检查非数值类型的字段了，肯定会触发类型错误。
• 避免把字段和布尔值True/False比较，直接检查空值本身就好。

内容的提问来源于stack exchange，提问作者Datawoman