pandas中"!="和"not_equal"的区别

Question

在从一个 DataFrame 中选择数据时：

使用 not_equal 可以得到正确的结果：

d[not_equal(d.something,None)]

但是使用 != 就不行：

d[d.something != None] 

这是为什么呢？

更新一下，d.something 的数据类型是 'float64'，如果我尝试选择 NaN 值，情况也是一样的：

d[d.something != nan]

Answer 1

我来简单说一下“如果我尝试选择NaN值 d[d.something != nan] 的情况。”

首先，你需要知道NaN（不是一个数字）和另一个NaN比较时，它们不会被认为是相等的：

In [40]: numpy.NaN == numpy.NaN
Out[40]: False

In [41]: numpy.NaN != numpy.NaN
Out[41]: True

这可能听起来有点反常。不过，当你把它理解为“如果它不是一个数字，那就不能和任何东西相等”时，就会更清楚了。== 在任何一边是NaN时，结果总是返回 False。那么，如果你把 a != b 理解为 not (a == b)，第二个表达式也就能理解了。这可能解释了你遇到的一部分问题。你的 d[d.something != NaN] 总是会返回 d。

我会进一步研究其他问题，看看代码。