使用numpy在列表推导式中检测np.nan值失败的问题

先说结论：不是列表推导式改变了值的类型，问题出在两个核心点：

• np.isnan() 仅支持检测数值类型的NaN，遇到字符串会直接报错。你的DataFrame列里混合了字符串（'a'、'b'）和浮点型的np.nan，遍历到字符串时调用np.isnan()会直接触发类型错误，根本轮不到检测那个NaN。
• Pandas对混合类型列的缺失值处理，自带的方法比numpy的更适配，没必要硬用np.isnan()。

正确的处理方式 #

方式1：用pd.isna()遍历检测 #

pd.isna()能兼容字符串、数值等多种类型的缺失值判断，不会报错：

import pandas as pd
import numpy as np

data = pd.DataFrame({'col':['a', 'b', np.nan]})
[print('NaN') if pd.isna(i) else print('Not NaN') for i in data.col]

方式2：直接对整列操作（更符合Pandas风格，效率更高） #

比起列表推导式，直接用Pandas的列方法更简洁高效：

data['col'].apply(lambda x: print('NaN') if pd.isna(x) else print('Not NaN'))

# 如果需要替换缺失值，还可以这么写
data['col'] = data['col'].fillna('NaN')
print(data)

原代码失效的原因 #

原代码运行时，第一个元素是字符串'a'，执行np.isnan('a')时，numpy会抛出TypeError: ufunc 'isnan' not supported for the input types——因为它无法处理字符串类型的输入，代码直接中断，根本没机会执行到检测np.nan的步骤。

内容的提问来源于stack exchange，提问作者Henri