熊猫中“！=”和“not_equal”之间的区别

Question

从DataFrame 中选择时：

使用not_equal 给出正确的结果：

d[not_equal(d.something,None)]

但是使用!= 不会：

d[d.something != None] 

这是为什么？

更新，d.something dtype('float64'), 如果我尝试选择 NaN 值，情况也是如此 d[d.something != nan]

Answer 1

我将回答一点“如果我尝试选择 NaN 值 d[d.something != nan]”，情况也是如此。

您需要注意 NaN 不等于另一个 NaN：

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

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

这似乎倒退了。但是，当您按照“如果它不是数字，它不能等于任何东西”的思路来思考第一个问题时，它就会变得更加清晰。 == 将始终返回 False 和 NaN 作为任一侧。如果您将a != b 解释为not (a == b)，则第二个也有意义。这可以解释部分问题。您的d[d.something != NaN] 将始终返回d。

我将通过深入研究代码来进一步研究其他问题。