检查pandas数据帧中的特定值（在单元格中）是否为NaN，而不是使用ix或i

Question

假设我有以下pandasDataFrame：

import pandas as pd
df = pd.DataFrame({"A":[1,pd.np.nan,2], "B":[5,6,0]})

看起来像是：

>>> df
     A  B
0  1.0  5
1  NaN  6
2  2.0  0

第一选择

我知道一种检查特定值是否为NaN的方法，如下所示：

>>> df.isnull().ix[1,0]
True

第二个选项（不工作）

我想下面的选项，使用ix，也可以工作，但不是：

>>> df.ix[1,0]==pd.np.nan
False

我还尝试了iloc，得到了相同的结果：

>>> df.iloc[1,0]==pd.np.nan
False

但是，如果我使用ix或iloc检查这些值，就会得到：

>>> df.ix[1,0]
nan
>>> df.iloc[1,0]
nan

那么，为什么第二个选项不起作用？是否可以使用ix或iloc检查NaN值？

Answer 1

上面的回答很好。为了更好的理解，这里也有一个例子。

>>> import pandas as pd
>>>
>>> import numpy as np
>>>
>>> pd.Series([np.nan, 34, 56])
0     NaN
1    34.0
2    56.0
dtype: float64
>>>
>>> s = pd.Series([np.nan, 34, 56])
>>> pd.isnull(s[0])
True
>>>

我也试过几次，下面的试验都没用。多亏了@MaxU。

>>> s[0]
nan
>>>
>>> s[0] == np.nan
False
>>>
>>> s[0] is np.nan
False
>>>
>>> s[0] == 'nan'
False
>>>
>>> s[0] == pd.np.nan
False
>>>

Answer 2

试试这个：

In [107]: pd.isnull(df.iloc[1,0])
Out[107]: True

---

更新：在较新的Pandas版本中使用pd.isna()：

In [7]: pd.isna(df.iloc[1,0])
Out[7]: True

Answer 3

pd.isna(cell_value)可用于检查给定的单元格值是否为nan。或者，pd.notna(cell_value)来检查相反的结果。

来自熊猫源代码：

def isna(obj):
    """
    Detect missing values for an array-like object.

    This function takes a scalar or array-like object and indicates
    whether values are missing (``NaN`` in numeric arrays, ``None`` or ``NaN``
    in object arrays, ``NaT`` in datetimelike).

    Parameters
    ----------
    obj : scalar or array-like
        Object to check for null or missing values.

    Returns
    -------
    bool or array-like of bool
        For scalar input, returns a scalar boolean.
        For array input, returns an array of boolean indicating whether each
        corresponding element is missing.

    See Also
    --------
    notna : Boolean inverse of pandas.isna.
    Series.isna : Detect missing values in a Series.
    DataFrame.isna : Detect missing values in a DataFrame.
    Index.isna : Detect missing values in an Index.

    Examples
    --------
    Scalar arguments (including strings) result in a scalar boolean.

    >>> pd.isna('dog')
    False

    >>> pd.isna(np.nan)
    True