Эффективно ли проверять, является ли произвольный объект NaN в Python / numpy / pandas?

Мои массивы numpy используют np.nanдля обозначения отсутствующих значений. Когда я перебираю набор данных, мне нужно обнаруживать такие отсутствующие значения и обрабатывать их особым образом.

Я наивно использовал numpy.isnan(val), который работает хорошо, если только valон не входит в подмножество типов, поддерживаемых numpy.isnan(). Например, в строковых полях могут быть отсутствующие данные, и в этом случае я получаю:

>>> np.isnan('some_string')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: Not implemented for this type

Помимо написания дорогой оболочки, которая перехватывает исключение и возвращает False, есть ли способ справиться с этим элегантно и эффективно?

pandas.isnull()(а также pd.isna()в более новых версиях) проверяет отсутствие значений как в числовых, так и в строковых / объектных массивах. Из документации он проверяет:

NaN в числовых массивах, None / NaN в массивах объектов

Быстрый пример:

import pandas as pd
import numpy as np
s = pd.Series(['apple', np.nan, 'banana'])
pd.isnull(s)
Out[9]: 
0    False
1     True
2    False
dtype: bool

Идея использования numpy.nanдля представления пропущенных значений была pandasвведена, поэтомуpandas есть инструменты, чтобы справиться с этим.

Datetimes тоже (если вы используете, pd.NaTвам не нужно указывать dtype)

In [24]: s = Series([Timestamp('20130101'),np.nan,Timestamp('20130102 9:30')],dtype='M8[ns]')

In [25]: s
Out[25]: 
0   2013-01-01 00:00:00
1                   NaT
2   2013-01-02 09:30:00
dtype: datetime64[ns]``

In [26]: pd.isnull(s)
Out[26]: 
0    False
1     True
2    False
dtype: bool

Ваш тип действительно произвольный? Если вы знаете, что это будет просто int float или строка, вы можете просто сделать

 if val.dtype == float and np.isnan(val):

предполагая, что он обернут в numpy, он всегда будет иметь dtype, и только float и complex могут быть NaN