Pandas比较含NaN/<NA>值的两列时结果错误如何解决

• np.isnan()仅支持数值类型的NaN判断，无法识别字符串列、Nullable类型列中的<NA>/pd.NA/None等空值，遇到非数值类型会直接抛错，迫使你写冗余的try/except分支，大幅提升逻辑出错概率。
• 原逐行判断逻辑没有优先完成空值校验，当任意一列为空值时，两列值的==/!=比较会返回pd.NA而非布尔值，多条件与运算时会出现非预期的真值判定，跳过前面的空值分支直接落到返回3的逻辑。
• 逐行apply本身属于pandas低效操作，数据量较大时运行速度会明显变慢。

统一使用pandas内置的isna()/notna()做全类型空值判断（可兼容所有空值类型：np.nan/pd.NA/None/<NA>），采用向量化操作替代逐行循环，按优先级先判断空值场景，再判断非空值的相等/不等关系，不需要写异常捕获逻辑：

import pandas as pd

# 初始化结果列，默认值为0（覆盖两值相等、双空两个场景）
df['result'] = 0

# a1非空、a2为空 → 赋值1
df.loc[(df['a_1'].notna()) & (df['a_2'].isna()), 'result'] = 1

# a1为空、a2非空 → 赋值2
df.loc[(df['a_1'].isna()) & (df['a_2'].notna()), 'result'] = 2

# 两列均非空且值不等 → 赋值3
df.loc[(df['a_1'].notna()) & (df['a_2'].notna()) & (df['a_1'] != df['a_2']), 'result'] = 3

注：你最开始描述的规则1和给出的预期结果表逻辑相反，上述代码完全匹配你给出的预期输出规则，如果需要调整场景对应值直接修改赋值即可。

执行代码后输出完全符合预期：

内容的提问来源于stack exchange，提问作者Beginner