並非所有NaN是相同的:
In [182]: np.nan is np.nan
Out[182]: True
In [183]: float('nan') is float('nan')
Out[183]: False
In [184]: np.float64('nan') is np.float64('nan')
Out[184]: False
因此,
In [178]: set([np.nan, np.nan])
Out[178]: {nan}
In [179]: set([float('nan'), float('nan')])
Out[179]: {nan, nan}
In [180]: set([np.float64('nan'), np.float64('nan')])
Out[180]: {nan, nan}
l
包含np.nan
個s,這是相同的,所以
In [158]: set(l)
Out[158]: {nan, 0, 1}
但pd.Series(l).tolist()
包含np.float64('nan')
S的不相同:
In [160]: [type(item) for item in pd.Series(l).tolist()]
Out[160]: [numpy.float64, numpy.float64, numpy.float64, numpy.float64]
所以設置不把他們當作平等的:
In [157]: set(pd.Series(l).tolist())
Out[157]: {nan, 0.0, nan, 1.0}
如果你有一個熊貓系列,使用它的unique
方法而不是set
以找到唯一的值:
>>> s = pd.Series(l)
>>> s.unique()
array([ nan, 0., 1.])
您是在詢問有關意外行爲或只是想用熊貓達到目標?你可以做'set(pd.Series(l).unique()。to_list())',應該工作 – EdChum 2014-10-07 21:54:47