如何通过 Pandas 中的比较来传播 numpy.nan

Question

我们来说吧

df = pd.DataFrame({'A': [1, 3, np.nan]})
df['B'] = df['A'] > 2

我想要这个

     A      B
0  1.0  False
1  3.0   True
2  NaN    NaN

但它给了

     A      B
0  1.0  False
1  3.0   True
2  NaN  False

如何获得我想要的结果，即使用布尔条件时 NaN 的传播？我的代码中有很多这样的条件表达式，如果可能的话，希望避免将它们全部替换为

lambda

函数或

.map

或

.apply

或

np.where

语句。

我尝试将所有

NaN

切换为

pd.NA

，这给出了所需的结果，但似乎必须将

dtype

更改为

'Int64'

或

'Float64'

以适应

pd.NA

，然后不兼容与我正在使用的其他软件包（特别是

statsmodels

引发

TypeError

；似乎是一个已知的兼容性问题）。如果有人知道如何使

pd.NA

与

float

和

int

等标准数据类型兼容，那么我很乐意使用它。

Answer 1

不幸的是（对你来说）比较是有效的，你必须

mask

比较后的值：

df['B'] = df['A'].gt(2).mask(df['A'].isna())

输出：

     A      B
0  1.0  False
1  3.0   True
2  NaN    NaN