NaNとNoneの違いは何ですか？

私はパンダreadcsv()を使用してcsvファイルの2つの列を読み取り、その値を辞書に割り当てています。列には数字と文字の文字列が含まれます。セルが空の場合があります。私の意見では、そのディクショナリー項目に読み取られる値は、割り当てられるべきですがNone、代わりnanに割り当てられるべきです。確かNoneに、空のセルはnull値を持っているので、よりわかりやすくなりますが、nan読み取られた値は数値ではないというだけです。

私の理解が正しい、との違いは何ですかれるNoneとはnan？のnan代わりになぜ割り当てられるのNoneですか？

また、空のセルがないか私の辞書チェックで使用されていnumpy.isnan()ます：

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

しかし、これにより、このチェックをに使用できないというエラーが表示されvます。文字列ではなく、整数または浮動小数点変数が使用されることを意図しているためだと思います。これに該当する場合v、「空のセル」/ nanケースを確認するにはどうすればよいですか？

NaNのためのプレースホルダとして使用されているデータが欠落一貫パンダで、一貫性が良好です。私は通常、NaNを"missing"として読み取り/変換します。ドキュメントの「欠損データの操作」セクションもご覧ください。

Wesはドキュメントに「NA表現の選択」と書いています。

長年の生産使用の後、少なくとも私の意見では、[NaN]はNumPyとPythonの一般的な状況を考えると最良の決定であることが証明されています。特別な値NaN（Not-A-Number）はNA値としてあらゆる場所で使用され、dtype全体でNA値を検出するために使用できるAPI関数がisnullありnotnullます。
...
したがって、Pythonの「実用性は純粋さを打つ」アプローチを選択し、整数NA機能をトレードして、浮動小数点数とオブジェクト配列で特別な値を使用してNAを示し、整数配列をNAにする必要があるときに浮動小数点数に浮動小数点に昇格させる導入されました。

注：欠落しているデータを含む整数のSeriesがfloatにアップキャストされる「問題」。

私の意見では、NaN（Noneよりも）を使用する主な理由は、効率の悪いオブジェクトdtypeではなく、numpyのfloat64 dtypeで格納できるためです。NA タイプのプロモーションを参照してください。

#  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')

ジェフはこれについて（以下）コメントしている：

np.nanベクトル化された操作を可能にします。そのfloat値は、None定義により、オブジェクトタイプを強制し、基本的にnumpyのすべての効率を無効にします。

したがって、3回高速に繰り返します。object== bad、float == good

それでも、多くの操作はNoneとNaNでも同じように機能する可能性があります（ただし、サポートされていない可能性があります。つまり、予期しない結果になる場合があります）。

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

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

2番目の質問に答えるには：
を使用pd.isnullしpd.notnullて、欠損データ（NaN）をテストする必要があります。

NaN数学演算の数値として使用できますが、使用Noneできません（または、少なくとも使用しないでください）。

NaNIEEE 754浮動小数点標準で定義されている数値です。 Noneは内部Pythonタイプ（NoneType）であり、このコンテキストでは「数値的に無効」ではなく「不在」または「空」のようになります。

その主な「症状」は、たとえば、NaNを含む配列に対して平均または合計を実行すると、1つでも、結果としてNaNを取得することです...

一方、Noneasオペランドを使用して数学演算を実行することはできません。

したがって、場合によっては、None計算で無効な値や存在しない値を考慮しないようにアルゴリズムに指示する方法として使用できます。つまり、アルゴリズムが各値をテストして、それがそうであるかどうかを確認する必要がありNoneます。

numpyのは、次のようなあなたの結果、汚染しNaN値を避けるために、いくつかの機能を持っているnansumと、nan_to_numたとえば。

関数isnan()は、何かが「数値ではない」かどうかを確認し、変数が数値であるかどうかisnan(2)を返します。たとえば、falseを返します。

条件myVar is not Noneが変数が定義されているかどうかを返します

numpy配列はisnan()、数値の配列を意図しており、配列のすべての要素をNaNこれらの要素に初期化するため、「空」と見なされます

違いは次のとおりです。

• nan クラスに属している float
• None クラスに属している NoneType

私は以下の記事が非常に役に立ったと感じました：https : //medium.com/analytics-vidhya/dealing-with-missing-values-nan-and-none-in-python-6fc9b8fb4f31

NaN数字ではありません。
Noneの略かもしれません。