如何区分NaN与真实零值？DataFrame过滤及热力图NaN配色咨询

嘿，我来帮你搞定这个问题！首先得澄清一个小误区：你提到的isnull()（不管是pandas里的pd.isnull()还是DataFrame自带的df.isnull()）和np.isnan()其实完全能区分零值和NaN——零是有效的数值，而NaN是缺失值标记，这两个函数只会对NaN返回True，对0返回False。可能你之前的数据集里有特殊情况（比如0是字符串类型）？先从最基础的操作讲起：

一、在DataFrame里区分NaN与零值，过滤NaN保留零值 #

要筛选出非NaN的行/列，同时保留所有零值，有几种简单的方法：

• 先检查缺失值：用df.isna()（和df.isnull()等价），会返回一个布尔DataFrame，NaN的位置是True，0的位置是False
• 过滤NaN的几种方式：
  1. 删除包含NaN的行：df_clean = df.dropna(axis=0)
  2. 删除包含NaN的列：df_clean = df.dropna(axis=1)
  3. 保留所有非NaN的元素（生成新的数据集）：df_clean = df[df.notna()]

如果你的数据里有类似字符串"0"这种非数值型的“零”，记得先做类型转换（比如df = df.astype(float)），这样就能被正确识别了。

二、热力图中为NaN设置独立配色 #

以最常用的Seaborn热力图为例，有两种简单的方式实现你的需求：

方法1：直接用nan_color指定NaN的颜色 #

这是最省心的方式！Seaborn的heatmap自带nan_color参数，你只需要传入一个和数值配色差异大的颜色（比如黑色、深灰），就能让NaN和包括0在内的所有数值区分开：

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 造个包含0和NaN的示例数据
data = pd.DataFrame({
    'Col1': [2, 0, np.nan, 5],
    'Col2': [np.nan, 3, 0, 1],
    'Col3': [4, 0, 6, np.nan]
})

# 绘制热力图：数值用viridis配色，NaN设为黑色
sns.heatmap(data, cmap='viridis', nan_color='#000000', annot=True)
plt.show()

运行这段代码，你会看到所有数值（包括0）按照cmap的渐变显示，NaN则统一是黑色，完全符合你的需求。

方法2：用mask参数隐藏NaN区域（个性化可选） #

如果你想让NaN区域显示为空或者和背景融合，可以先创建一个标记NaN位置的mask矩阵，再传给heatmap的mask参数：

# 创建mask：NaN的位置设为True
mask = data.isna()

# 绘制热力图：mask区域用白色填充，数值用coolwarm配色
sns.heatmap(data, cmap='coolwarm', mask=mask, annot=True, cbar=False)
plt.show()

这种方式下，NaN的位置会显示为背景色（默认白色），和数值区域形成清晰的区分。

最后总结一下 #

• 区分NaN和0：用pandas的isna()/notna()就足够，只要确保数据是数值类型就行
• 热力图配色：优先用nan_color参数，简单高效；想要更个性化的样式再用mask配合调整

内容的提问来源于stack exchange，提问作者cat_on_the_mat