我在Microsoft SQL数据库中有一个具有不同数值的表。 SQL中所有定义为float的列。一些值也为NULL。
在数据上进行操作时，使用Python（版本3.6）中的Pandas库（版本0.23.4），将某些NULL值导入为NaN，而另一些值导入为{{1} }。
例如，从SQL Management Studio中观察到的一行：
None
使用NULL, NULL, -1.17, 0.67, 0.42, -0.14, 0.84, -0.30, NULL导入时，在Python中得到以下结果：
read_sql
我很好奇，从熊猫的角度来看有什么不同？
我应该区别对待价值观吗？
我了解到nan, nan, -1.17, 0.67, 0.42, -0.14, 0.84, -0.30, None被视为一个数值，可以在Pandas中更快地进行操作，而NaN只是一个不存在的对象的概念。但是为什么会有不一致的地方呢？