Pandas str.contains 函数的 NaN 处理问题

在本文中，我们将介绍 Pandas 中 str.contains 函数的 NaN 处理问题。Pandas 是 Python 中一款经常被使用的数据分析工具，而 str.contains 函数可以方便地对字符串进行模糊匹配，但是这里面存在着一些 NaN 处理问题。

阅读更多：Pandas 教程

问题的出现

在 Pandas 中，str.contains 函数用于检查一个字符串是否包含某一子串，其函数格式如下：

Series.str.contains(pat, case=True, flags=0, na=nan, regex=True)

其中，na 参数用于处理缺失值，默认情况下为 nan，即忽略缺失值。但是，这里有一个问题：当字符串中含有缺失值时，该函数无法正常起作用。下面的代码演示了这个问题：

import pandas as pd

data = pd.Series(['Apple', pd.NA, 'Banana'])

print(data.str.contains('A'))  # output: 0     True
                                #         1    <NA>
                                #         2    False

可以看到，当 Series 中存在缺失值时，函数会返回一个布尔类型的 Series，但是在第二个位置处的值返回了 NA，而不是 True 或 False。

解决方法

为了解决上述问题，我们需要用到 Pandas 的 fillna 函数，该函数可以将缺失值用指定值来填充。对于本问题而言，我们需要将缺失值填充为一个不存在于字符串中的字符，例如空格或者字符串 “NaN”。

import pandas as pd

data = pd.Series(['Apple', pd.NA, 'Banana'])

data.fillna('NaN', inplace=True)

print(data.str.contains('A'))  # output: 0     True
                                #         1    False
                                #         2    False