Ich weise zunp.nan auf die fehlenden Werte in einer Spalte eines DataFrame. Der DataFrame wird dann mit to_csv in eine CSV-Datei geschrieben. Die resultierende CSV-Datei enthält zwischen den Kommas nichts für die fehlenden Werte, wenn ich die Datei mit einem Texteditor öffne. Aber wenn ich diese CSV-Datei mit read_csv wieder in einen DataFrame lese, werden die fehlenden Werte zur Zeichenfolge'nan' anstelle von NaN. Als Ergebnis,isnull() funktioniert nicht. Zum Beispiel:

In [13]: df
Out[13]: 
   index  value date
0    975  25.35  nan
1    976  26.28  nan
2    977  26.24  nan
3    978  25.76  nan
4    979  26.08  nan

In [14]: df.date.isnull()
Out[14]: 
0    False
1    False
2    False
3    False
4    False

Mache ich etwas falsch? Sollte ich stattdessen ein paar andere Werte vergeben?np.nan auf die fehlenden Werte, so dass dieisnull() würde abholen können?

EDIT: Sorry, ich habe vergessen zu erwähnen, dass ich auch parse_dates = [2] gesetzt habe, um diese Spalte zu analysieren. Diese Spalte enthält Datumsangaben, bei denen einige Zeilen fehlen. Ich möchte die fehlenden Zeilen habenNaN.

EIDT: Ich habe gerade herausgefunden, dass das Problem wirklich auf parse_dates zurückzuführen ist. Wenn die Datumsspalte fehlende Werte enthält, analysiert read_csv diese Spalte nicht. Stattdessen liest es die Daten als Zeichenfolge und weist den leeren Werten die Zeichenfolge 'nan' zu.

In [21]: data = pd.read_csv('test.csv', parse_dates = [1])

In [22]: data
Out[22]: 
   value      date id
0      2  2013-3-1  a
1      3  2013-3-1  b
2      4  2013-3-1  c
3      5       nan  d
4      6  2013-3-1  d

In [23]: data.date[3]
Out[23]: 'nan'

pd.to_datetime funktioniert auch nicht:

In [12]: data
Out[12]: 
   value      date id
0      2  2013-3-1  a
1      3  2013-3-1  b
2      4  2013-3-1  c
3      5       nan  d
4      6  2013-3-1  d

In [13]: data.dtypes
Out[13]: 
value     int64
date     object
id       object

In [14]: pd.to_datetime(data['date'])
Out[14]: 
0    2013-3-1
1    2013-3-1
2    2013-3-1
3         nan
4    2013-3-1
Name: date

Gibt es eine Möglichkeit, read_csv parse_dates zu verwenden, um mit Spalten zu arbeiten, die fehlende Werte enthalten? Das heißt Fehlenden Werten NaN zuweisen und trotzdem die gültigen Daten analysieren?