在上一篇文章中，老海分享了他对Pyhon类和对象的白话理解。

在这篇文章中，我想分享空值之间的区别和联系：无，空值和空字符：& quot"

具体实验环境为Python3.7、mysql8.0和Excel2016。

为什么需要搞清楚None、NULL和空字符“”？

我们经常需要在Python、SQL数据库和CSV/EXCEL文件之间来回导出和导入数据。

而数据天生就是混乱的，复杂的，总是伴随着异常值和特殊值.

所以这三个特殊值的出现是必然的，有时甚至同时出现在同一组数据中。

另外，在不同的环境下，比如python、mysql、excel，理解的角度和设计的逻辑是不一样的。

这些数据往往是由前后不一致、各种奇怪BUG报告的数据处理错误造成的。

所以在处理的时候一定要非常小心，尽量避免后续数据存储和计算的麻烦！

下面海老从三个角度来解释：

一张图看透，None、NULL、空字符在Python、SQL、EXCEL中的整体规则

对一幅画的直观解释

网上有很多关于他们的解释，说实话有点眼花缭乱。

我自己整理了一个简化的表格，看起来直观多了。

注意三点：

pandas中时间型数据的空值，显示为NaT，含义与NaN相同,Exel中的空值表示，就是空，没有什么特别字符来表达和NULL只出现在数据库数据中，Python中没有这个东西！让我们用具体的数据案例进行实验：

从excel、mysql数据库对比来看

首先在excel中原始数据如下：

存储在xlsx中，excel2016版本

其中，性别字段包括空字符和空值；年龄字段包含一个空字符和一个空值。

其次，将excel数据导入到mysql中

您可以在excel中查找空值，并在数据库中显示Null。

而空字符显示为空白，空值显示为0(与数据库设置有关)。

然后，我们把从数据库导出数据到CSV中

我们可以发现，从数据库到CSV，NULL是空的，其他的都没变。

加入Python、pandas后再来看一下

无，NaN，空字符& quot"看起来都是表达空的意思，但实际上都是数据类型不同。

None是空值，即空对象，这是Python中的一个特殊值。

无不能理解为0，因为0是有意义的；而None是一个特殊的空值，None不是空字符串。

NaN是熊猫和numpy的专属类型，属于浮点数据，代表缺失值。

和& quot"是空字符的表示。

再次，Python中没有看到NULL

事实是，null和NULL在数据库中表示空值，在python中是不存在的！

可能很多资料都把NULL写进Python解释里了，真的没有意义。

如果直接将xlsx文件读取到pandas中

我们发现excel中的空值和空字符被转化为NaN的缺失值的表达式！None表示此时没有空对象。

如果从pandas导出到xlsx文件中

我们可以看到熊猫中的NaN在excel中是空的，没有内容。

010到1010 Python中的None在numpy中改为NaN，不再显示为None。

空字符& quot"在Python中显示为& quot"被改造成熊猫后。

那Python中数据转为pandas会发生什么？

数据库中的空值和空字符显示为NaN。

将数据库中导出CSV，读取到pandas后会怎样？

数据库中为空，全部显示为无；在熊猫中；空字符没有改变或者

直连数据库，读取到python后会怎样？

熊猫

同时pandas在进行count计算是，不计算None和NaN，但计算空字符"

而进行sum计算时，会同时排除掉NaN和None。

pandas中如何判断空值类型，又如何转化None和NaN呢？

一般我们可以借助，isnull()和isna()来直接进行判断，它们会将None和NaN都识别为空值含义。

而pandas中很多函数并不支持None的运算，因为尽量将None转换为NaN。

OK，折腾了半天，实验就到这里了，总体来说，区别它们还是很费心力的，而且还有很多复杂的情况存在，以及个别特殊情况的需要处理。这里老海就不在一一展开了。

总之，在实际使用中，老海建议遵守三个法则，来保证特殊值一致性

法则1：在导取数据后，我们第一时间把空字符替换为None、NaN或者NULL

法则2：在使用pandas或者numpy时，我们将None统一替换为NaN

法则3：在数据导入数据库时，我们将NaN统一替换为None

以上法则，也是根据日常处理特殊值经验而来，不一定适用于所有情况，优点是简单直接便于记忆，也可尽量避免后期出现数据转换带来的困扰。

OK，今天就到这里。喜欢老海的分享，请关注留言和转发，我是数据炼金师，老海