Python中判断变量存在且非NaN的最优Pythonic实现方案问询

我希望提升编程能力，正在寻找合适的解决方案。我有一个名为foo的变量，当foo为有效数值时需要执行特定操作，但foo存在三种情况：

• 未定义（NoneType）
• 值为nan的float类型（math.nan）
• 值为有效数字的float类型（如12.3、16.9等）

目前我想到的代码如下：

import math

# 验证foo是否存在
if foo is not None:
    # 若存在，检查是否不是math.nan
    if not math.isnan(foo):
        # 执行目标操作
        print("Doing desired action")    
        ...

同时我做了一些探索：

• 若将两个条件合并到单个if语句中（如错误顺序的not math.isnan(foo) and foo is not None）会失败，因为当foo是None时，math.isnan(foo)会抛出TypeError: must be real number, not NoneType
• 另一种EAFP风格的方案使用try-except，不确定是否更符合Pythonic风格：

import math

try:
    if not math.isnan(foo):
        # 执行目标操作
        print("Doing desired action")    
except TypeError:
    print("foo not yet set")

注：foo的状态多变是因为它来自DataFrame，该列包含浮点数（类型为float），缺失值显示为nan；加载DataFrame前该值为None，加载后变为math.nan。

结合Python的设计哲学，EAFP风格的实现更符合Pythonic标准，以下是具体分析和优化方案：

1. Python设计哲学：EAFP vs LBYL #

Python推崇"Easier to Ask for Forgiveness than Permission"（EAFP，先尝试再处理异常），而非"Look Before You Leap"（LBYL，先检查再执行）。前者代码更简洁优雅，且在异常场景出现频率较低时，性能表现更优（try-except在无异常时几乎无额外开销）。

2. 优化后的EAFP实现 #

针对你的场景，foo在加载DataFrame后大多为float类型（nan或有效数值），None仅出现在加载前，属于低频异常情况，用EAFP更合适：

import math

try:
    if not math.isnan(foo):
        print("Doing desired action")
        # 执行你的目标操作...
except TypeError:
    # foo为None时进入该分支，可根据需求选择是否处理（如打印提示或直接跳过）
    pass

3. 正确的LBYL实现（可选） #

如果你更倾向于先检查再执行，需注意条件判断的顺序（利用逻辑与的短路求值特性），避免报错：

import math

if foo is not None and not math.isnan(foo):
    print("Doing desired action")
    # 执行你的目标操作...

这种写法不会报错，因为foo is not None为False时，后面的math.isnan(foo)不会执行。但相比EAFP，代码的可读性和简洁性稍差，尤其当后续需要增加更多判断条件时，逻辑会变得繁琐。

4. 针对DataFrame场景的额外优化 #

既然foo来自DataFrame，推荐直接使用pandas内置的批量处理方法，比逐变量判断更高效：

import pandas as pd

# 假设df是你的DataFrame
# 筛选出foo为有效数值的行
valid_rows = df['foo'].notna()
# 对有效行执行操作
df.loc[valid_rows, 'result'] = df.loc[valid_rows, 'foo'].apply(lambda x: "Doing desired action")

内容的提问来源于stack exchange，提问作者FN_