如何正确判断DataFrame列中非NaN值并打印（支持负数值场景）

为什么你的尝试无效？ #

• j != np.nan 不生效：因为NaN的特性是任何与NaN的比较（包括等于或不等于自身）都会返回False，所以这个判断永远为True，导致NaN被错误打印。
• j != None 不生效：pandas的浮数列中，缺失值存储的是np.nan而非None，所以这个判断无法识别NaN。

正确的判断方式 #

方法1：使用pandas原生的pd.notna()（推荐）

这是pandas专门用于检测非缺失值的函数，兼容所有数据类型：

import pandas as pd

# 遍历列并打印非NaN值
for j in df['交易金额']:
    if pd.notna(j):
        print(j)

方法2：使用numpy的np.isnan()取反

针对浮点数类型的列，可以用numpy的函数判断，再取反：

import numpy as np

for j in df['交易金额']:
    if not np.isnan(j):
        print(j)

更高效的pandas操作（无需手动维护迭代次数） #

其实不需要手动遍历并判断，pandas可以直接过滤非NaN值后处理，更简洁高效：

# 直接遍历过滤后的非NaN值
for val in df['交易金额'].dropna():
    print(val)

# 或者直接打印整个非NaN序列
print(df['交易金额'].dropna())

内容的提问来源于stack exchange，提问作者wihee