如何让包含NaN的NumPy比较操作返回NaN而非False？

我完全懂你遇到的这个痛点——用普通的==比较包含NaN的Series时，只要涉及NaN的比较都会返回False，但这显然不符合你的预期，你希望这些涉及空值的位置直接返回NaN对吧？

这里有几个简单直接的方法可以实现你的需求：

方法一：用np.where结合空值判断 #

我们可以先标记出所有包含NaN的行，再用np.where把这些行的比较结果替换成NaN，其他行保留正常的相等判断结果：

import numpy as np
import pandas as pd

df = pd.DataFrame({'a': [np.NaN, np.NaN, 1], 'b': [np.NaN, 1, 1]})

# 生成空值掩码：只要a或b是NaN，就标记为True
nan_mask = df['a'].isna() | df['b'].isna()
# 用np.where实现条件替换
result = np.where(nan_mask, np.nan, df['a'] == df['b'])

print(result)

运行结果和你想要的布尔型带NaN的形式一致：

[nan nan True]

如果你想要数字类型的1/NaN结果，只需要把结果转成float类型即可：

result = np.where(nan_mask, np.nan, df['a'] == df['b']).astype(float)
print(result)

输出：

[nan nan 1.]

方法二：先做比较再替换空值位置 #

也可以先执行普通的相等比较，再把包含NaN的行的结果覆盖成NaN：

# 先执行普通的相等比较
eq_result = df['a'] == df['b']
# 把空值掩码对应的位置设为NaN
eq_result.loc[nan_mask] = np.nan

print(eq_result)

输出结果：

0   NaN
1   NaN
2   True
dtype: object

这里结果的dtype是object，因为普通的bool类型无法同时容纳布尔值和NaN；如果需要pandas专用的支持NaN的布尔类型，可以用astype('boolean')转换：

eq_result = eq_result.astype('boolean')
print(eq_result)

输出：

0    <NA>
1    <NA>
2    True
dtype: boolean

备注：内容来源于stack exchange，提问作者Faraz Masroor