如何在Python中用np.full创建NaN或Null值数组？

核心问题：字符串类型的缺失值陷阱 #

在R里字符型向量能直接赋值NA，但Python中str dtype的numpy数组无法存储真正的缺失值——numpy的字符串数组本质是固定长度的字节序列，会把np.nan转成字符串'nan'，把None转成'None'，这两类字符串都不会被pd.isna识别为缺失值，这就是你测试失败的原因。

正确实现方式 #

要让pd.isna能识别缺失值，得用支持缺失值的类型，下面提供两种可行方案：

方法1：用numpy的object dtype存储None #

object dtype可以存储Python原生对象，None会被pd.isna正确识别为缺失值：

import numpy as np
import pandas as pd
import random

# 创建5个None的数组，指定dtype为object
unknowns = np.full(shape=5, fill_value=None, dtype='object')

# 测试代码
random.seed(1177)
categories = np.random.choice(['web', 'software', 'hardware', 'biotech'], size=15, replace=True)
categories = np.concatenate([categories, unknowns])

example = pd.DataFrame(data={'categories': categories})
example['transformed'] = [x if not pd.isna(x) else 'unknown' for x in example['categories']]

print(example['transformed'].value_counts())

运行后会看到unknown的计数为5，符合预期。

方法2：用pandas专用字符串类型更规范 #

如果直接基于pandas处理，推荐使用StringDtype，它原生支持pd.NA缺失值：

import pandas as pd
import random

# 创建含5个pd.NA的Series，指定dtype为string
unknowns = pd.Series([pd.NA]*5, dtype='string')

# 测试代码
random.seed(1177)
categories = pd.Series(np.random.choice(['web', 'software', 'hardware', 'biotech'], size=15, replace=True), dtype='string')
categories = pd.concat([categories, unknowns], ignore_index=True)

example = pd.DataFrame(data={'categories': categories})
example['transformed'] = example['categories'].fillna('unknown')

print(example['transformed'].value_counts())

这种方式更贴合pandas生态，避免numpy字符串类型的兼容性问题。

不同变量类型的实现差异 #

• 数值型数组：可直接用np.full(shape=5, fill_value=np.nan, dtype='float')，np.nan作为数值型缺失值，能被pd.isna识别。
• 布尔型数组：numpy不支持布尔型缺失值，需转成object dtype存储None，或用pandas的BooleanDtype存储pd.NA。
• 字符串/对象型数组：只有存储None（object dtype）或pd.NA（pandas StringDtype）才会被pd.isna识别为缺失值；numpy的str/U dtype会把缺失值转成字符串字面量，无法被识别。

内容的提问来源于stack exchange，提问作者Pearl