网站设计与建设难吗河南建设工程信息网官网梁金奇

网站设计与建设难吗,河南建设工程信息网官网梁金奇,网站h1标签的应用,设计网站faq需注意搞数据处理或者写后端接口的朋友#xff0c;大概率都经历过这种“鬼打墙”的时刻#xff1a; 数据库里明明是 NULL#xff0c;读到 Python 里变成了 None#xff0c;扔进 Pandas 做个计算变成了 NaN#xff0c;最后想转成 JSON 返回给前端时#xff0c;因为包含 NaN 直接…搞数据处理或者写后端接口的朋友大概率都经历过这种“鬼打墙”的时刻数据库里明明是NULL读到 Python 里变成了None扔进 Pandas 做个计算变成了NaN最后想转成 JSON 返回给前端时因为包含NaN直接报错或者变成了一个前端 JS 无法识别的NaN符号。最近读了 Filip Mularczyk 的一篇名为《Nothing to Declare》的文章很有共鸣。特别是在 Pandas 3.0 普及的当下我们处理“没有值”这种状态时依然容易掉坑里。今天就来聊聊这三个长得像、但脾气完全不同的“空值”NaN、None和null以及如何在工程中优雅地处理它们。三个“空”三种命首先得祛魅这三位在 Python 的内存里完全是三个物种None (Python 的亲儿子)它是 Python 的内置对象属于NoneType。它代表**“逻辑上的无”**。比如“用户没有填昵称”这就是None。它是一个单例Singleton用来做判断时永远要用is None而不是 None。NaN (数学界的怪胎)全称 Not a Number但它在 Python 里居然是float类型它代表**“数值上的缺失或计算错误”**。比如0/0或者读取了一个空的 CSV 数值格。它最反直觉的地方在于“六亲不认”NaN ! NaN是成立的。这意味着你没法用去在列表里找它必须用math.isnan()或pd.isna()。null (外来的和尚)Python 语法里没有null。它通常存在于JSON或SQL中。当我们谈论null时通常是在讨论数据交换IO。当一个 JSON 的null传进来Python 的json库默认把它转成None。工程实践中的“灾难现场”Filip 在文章里提到了一个非常典型的场景使用 Pydantic 做数据校验。假设前端给你发来这样一个 JSON{temperature:null,humidity:NaN}如果你在 Pydantic 模型里定义字段为float事情就变得微妙了。对于nullPydantic 默认可能抛错除非你声明类型为float | None(或者Optional[float])。对于NaNPydantic 会很“贴心”地把它转成 Python 的float(nan)。问题来了当你把这个清洗后的模型存入数据库或者做数学运算时混入的None和NaN会导致完全不同的结果。None可能会让数学运算抛出 TypeError而NaN会像病毒一样让所有跟它运算的结果都变成NaN。怎么处理才优雅结合文章观点和现在的工程习惯我有几个建议1. 语义分离是“没填”还是“算错了”在定义数据模型Model时要明确区分这两种状态。如果是因为用户没填或者数据暂缺尽量保持为None。如果是传感器读数错误、计算溢出保留NaN是合理的因为它保留了“这是一个数值类型”的特征。2. 利用 Pydantic 的 Validator不要指望自动转换能完全符合心意。在 Pydantic 中最好写个field_validatorv2 写法# 伪代码示例确保导出时行为可控field_validator(score)classmethoddefhandle_empty_score(cls,v):ifvisNone:returnfloat(nan)# 如果业务要求必须是数值计算returnv或者反过来在序列化成 JSON 之前把所有的NaN清洗回None因为标准的 JSON 规范其实并不支持NaN虽然有些解析器能容忍传null给前端通常是最安全的做法。3. Pandas 3.0 的新常态现在是 2026 年Pandas 3.0 已经让Nullable类型如Float64、Int64注意是大写首字母成为了主流。以前最让人头大的问题是一个整数列里混进一个NaN整列会被强制强转成浮点数。现在推荐使用 PyArrow 后端或者 Pandas 的 Nullable 类型。这允许None在 Pandas 里表现为NA和整数和平共处而不需要动不动就退化成浮点型的NaN。总结并没有一种万能的“空值”能解决所有问题。做数学计算请用NaN并小心它的传染性。做逻辑流转请用None。做接口交互认准null并确保在 Python 边界处比如 Pydantic 层把NaN和None的转换规则定死别让它们“自由发挥”。写代码时多想一步“这个空到底是因为不存在还是因为算不出来”这一秒的思考能帮你省下好几个小时 debug 的时间。