有時候需要對Series中的每個元素進行判斷，然後做下一步邏輯處理
1、Series是數值類型的時候；裏面有空值(np.nan)；value_counts()不會統計到空值。判斷時需要使用np.isnan(x)
ab = pd.Series([1, np.nan, 2])
ab
Out[55]:
0 1.0
1 NaN
2 2.0
dtype: float64
ab.map(lambda x: np.isnan(x))
Out[56]:
0 False
1 True
2 False
dtype: bool
ab.value_counts()
Out[57]:
2.0 1
1.0 1
dtype: int64
2、Series是數值類型的時候；裏面有空值(np.nan)；value_counts()不會統計到空值。判斷時需要使用x is np.nan
ab = pd.Series(['1', np.nan, '2'])
ab
Out[59]:
0 1
1 NaN
2 2
dtype: object
ab.map(lambda x: x is np.nan)
Out[60]:
0 False
1 True
2 False
dtype: bool
ab.value_counts()
Out[61]:
2 1
1 1
dtype: int64
3、Series是數值類型的時候；裏面有空值(None)；value_counts()不會統計到空值。判斷時需要使用np.isnan(x)
ab = pd.Series([1, None, 2])
ab
Out[67]:
0 1.0
1 NaN
2 2.0
dtype: float64
ab.map(lambda x: np.isnan(x))
Out[69]:
0 False
1 True
2 False
dtype: bool
ab.value_counts()
Out[70]:
2.0 1
1.0 1
dtype: int64
4、Series是類別類型的時候；裏面有空值(None)；value_counts()不會統計到空值。判斷時需要使用x is None
ab = pd.Series(['1', None, '2'])
ab
Out[63]:
0 1
1 None
2 2
dtype: object
ab.map(lambda x: x is None)
Out[64]:
0 False
1 True
2 False
dtype: bool
ab.value_counts()
Out[65]:
2 1
1 1
dtype: int64
5、Series是類別類型的時候；裏面有空值('')；value_counts()會統計到空值。判斷時需要使用x == ''
ab = pd.Series(['1', '', '2'])
ab
Out[77]:
0 1
1
2 2
dtype: object
ab.map(lambda x: x == '')
Out[78]:
0 False
1 True
2 False
dtype: bool
ab.value_counts()
Out[79]:
2 1
1
1 1
dtype: int64
總結：
1、不管Series中存儲的是類別型還是數值型。如果裏面的空是np.nan或None。使用Series.value_counts()都不會將空統計進來；當裏面的空是''或' '。使用Series.value_counts()，會將空值統計進來
2、當Series中存儲的是數值型的時候，裏面的空是np.nan或None，統一使用np.isnan(x)進行判斷
3、當Series中存儲的是類別型的時候，裏面的空是np.nan的時候，使用x is np.nan判斷；裏面的空是None的時候，使用x is None判斷
4、不管Series中存儲的是類別型還是數值型。如果裏面的空是''或' '。使用x == '' 或 x.strip() == ''進行判斷