Mi a különbség a None Pythonban, a NaN NumPy-ban és az NA Pandas-ban?

A Pythonban a None, a NumPy-ban a NaN és a Pandas-ben az NA külön fogalmak, amelyeket hiányzó vagy nem meghatározott adatok jelölésére használnak, de különböző jellemzőkkel:

• None (Python) — ez egy speciális objektum, amely a hiányzó értéket jelzi. Általános és bármilyen adatstruktúrában használható. Azonban a None nem szám, és nem támogat aritmetikai műveleteket.

• NaN (NumPy) — ez egy speciális lebegőpontos érték (Not a Number), amelyet az IEEE 754 szabvány határoz meg. Hiányzó vagy nem meghatározott numerikus adatok jelölésére használják. A NaN különleges módon viselkedik: például a NaN összehasonlítása bármilyen számmal (beleértve a NaN-t) False eredményt ad.

• NA (Pandas) — ez egy általánosabb fogalom a hiányzó adatokra, amelyet különböző módon lehet megjeleníteni a adattípustól függően (például NaN számokra, None vagy pd.NA objektumokra). A Pandas legújabb verzióiban bevezették a pd.NA típust, amely támogatja a hiányzó értékeket különböző adattípusokban, és előrejelezhetőbb viselkedést mutat műveletek során.

Példa:

import numpy as np
import pandas as pd

# None
a = None

# NaN
b = np.nan

# Pandas NA
c = pd.NA

print(a == None)  # True
print(b == np.nan) # False, a NaN nem egyenlő saját magával
print(pd.isna(b))  # True
print(c == pd.NA)  # pd.NA — speciális érték, összehasonlítás eredménye pd.NA

# A Pandasban a pd.NA támogatja a logikai műveleteket hiányzó értékekkel

Tehát a None a Python alapértelmezett objektuma a hiányzó érték jelölésére, a NaN a lebegőpontos tömbökben lévő hiányzó adatok numerikus jelzője, míg az NA a Pandasban egy modernebb és sokoldalúbb módja a különböző típusú hiányzó értékek kezelésének.