Причины использования пустых и пустых в пандах

Question

Я хочу прочитать CSV во фрейм данных:

например,

name, age, city
Dave, , London
Bob, 24, Melbourne
Joe, 38, Boston

Я хочу сохранить строки, где нет возраста.

Если ячитать пустые значения CSV в кадре данных как NaN, с помощью которого я могу фильтровать: df[‘age’].isnull()

Если я читаю пустые значения CSV в кадре данных в виде пустых строк, я могу фильтровать по df[‘age’]!=“”

Iисследовали, чтобы понять разницу между пустым и NaN.Но что для меня все же не очевидно, каковы последствия / преимущества / недостатки использования каждого метода или это всего лишь два метода для достижения одного и того же результата?

Answer 1

Самое большое различие, на мой взгляд, заключается в том, как фрейм данных обрабатывает каждое значение.Если вы читаете как NaN, вы можете использовать встроенные методы, такие как isna() и df.info, чтобы найти нулевые значения, что не обязательно, если вы просто инициализируете пустой строкой