NaN 和 None 有什么区别？

我正在使用 pandas 读取 csv 文件的两列readcsv()然后将值分配给字典。这些列包含数字和字母的字符串。有时会出现单元格为空的情况。在我看来，读取该字典条目的值应该是None但反而nan被安排了。一定None更能描述空单元格，因为它具有空值，而nan只是说读取的值不是数字。

我的理解是否正确，有什么区别None and nan？为什么是nan分配而不是None?

另外，我的字典检查是否有任何空单元格一直在使用numpy.isnan():

for k, v in my_dict.iteritems():
    if np.isnan(v):

但这给了我一个错误，说我不能使用此检查v。我猜这是因为要使用整数或浮点变量，而不是字符串。如果这是真的，我该如何检查v对于“空单元格”/nan case?

NaN 用作占位符缺失数据始终如一地在熊猫中 https://pandas.pydata.org/pandas-docs/dev/user_guide/gotchas.html#choice-of-na-representation，一致性好。我通常将 NaN 读/翻译为“丢失的”. 另请参阅“处理丢失的数据” https://pandas.pydata.org/docs/user_guide/missing_data.html文档中的部分。

韦斯在文档中写道“NA 代表的选择” https://pandas.pydata.org/pandas-docs/dev/user_guide/gotchas.html#choice-of-na-representation:

经过多年的生产使用，至少在我看来，[NaN] 已被证明是考虑到 NumPy 和 Python 的总体状况的最佳决定。使用特殊值 NaN（非数字）到处作为NA值，并且有API函数isna https://pandas.pydata.org/pandas-docs/dev/reference/api/pandas.DataFrame.isna.html#pandas.DataFrame.isna and notna https://pandas.pydata.org/pandas-docs/dev/reference/api/pandas.DataFrame.notna.html#pandas.DataFrame.notna它可以跨数据类型使用来检测 NA 值。
...
因此，我选择了 Python 式的“实用胜于纯粹”方法，并将整数 NA 功能换成了一种更简单的方法，即使用浮点和对象数组中的特殊值来表示 NA，并在必须引入 NA 时将整数数组提升为浮点。

注：“发现”包含缺失数据的整数系列被向上转换为浮点数 https://pandas.pydata.org/pandas-docs/dev/user_guide/gotchas.html#support-for-integer-na.

在我看来，使用 NaN （而不是 None）的主要原因是它可以使用 numpy 的 float64 数据类型存储，而不是效率较低的对象数据类型，see NA型促销 https://pandas.pydata.org/pandas-docs/dev/user_guide/gotchas.html#na-type-promotions.

#  without forcing dtype it changes None to NaN!
s_bad = pd.Series([1, None], dtype=object)
s_good = pd.Series([1, np.nan])

In [13]: s_bad.dtype
Out[13]: dtype('O')

In [14]: s_good.dtype
Out[14]: dtype('float64')

杰夫对此评论（如下）：

np.nan允许矢量化操作；它是一个浮点值，而None，根据定义，强制对象类型，这基本上禁用了 numpy 中的所有效率。

所以快速重复 3 次：object==bad, float==good

话虽如此，许多操作仍然可以与 None 和 NaN 一起使用（但可能不受支持，即它们有时可能会给出令人惊讶的结果 https://stackoverflow.com/a/19866269/1240268):

In [15]: s_bad.sum()
Out[15]: 1

In [16]: s_good.sum()
Out[16]: 1.0

回答第二个问题：
你应该使用isna https://pandas.pydata.org/pandas-docs/dev/reference/api/pandas.DataFrame.isna.html#pandas.DataFrame.isna and notna https://pandas.pydata.org/pandas-docs/dev/reference/api/pandas.DataFrame.notna.html#pandas.DataFrame.notna测试缺失数据 (NaN)。