panda的value_counts()方法对缺失值的计数不一致

请考虑这个简单的数据帧:

df = pd.DataFrame({'x': [1, 2, 3, 4, 10]}, index = range(5))

df:
    x
0   1
1   2
2   3
3   4
4   10

一些指标:

ff_idx = [1, 2]

sd_idx= [3, 4]

通过基于上述索引过滤df来创建新列的一种方法:

df['ff_sd_indicator'] = np.nan
df['ff_sd_indicator'][df.index.isin(ff_idx)] = 'ff_count' 
df['ff_sd_indicator'][df.index.isin(sd_idx)] = 'sd_count' 

做同样事情的另一种方式:

df['ff_sd_indicator2'] = np.select([df.index.isin(ff_idx) , df.index.isin(sd_idx)], ['ff_count','sd_count' ], default=np.nan)

请注意,虽然 ff_sd_indicator 和 ff_sd_indicator2 缺失值的打印方式不同(NaN vs NaN):

df: 

    x   ff_sd_indicator ff_sd_indicator2
0   1   NaN         nan
1   2   ff_count    ff_count
2   3   ff_count    ff_count
3   4   sd_count    sd_count
4   10  sd_count    sd_count

我不在乎不同的打印,但令人惊讶的是,缺少的值没有出现在以下输出中:

df['ff_sd_indicator'].value_counts()

即:

ff_sd_indicator
ff_count    2
sd_count    2

但它们确实出现在以下输出中:

df['ff_sd_indicator2'].value_counts()

即:

ff_sd_indicator2
ff_count    2
sd_count    2
nan         1

那么,value_counts()不计算中缺失的值是怎么回事呢 ff_sd_指示器 虽然它们是由与中缺少的值相同的np.nan创建的 ff_sd_指示器2 创建?

编辑 df.info() :

RangeIndex: 5 entries, 0 to 4
Data columns (total 3 columns):
 #   Column            Non-Null Count  Dtype 
---  ------            --------------  ----- 
 0   x                 5 non-null      int64 
 1   ff_sd_indicator   5 non-null      object
 2   ff_sd_indicator2  5 non-null      object