1、 根据相关知识，计算1 + np.nan、1 + None、np.nan + None的结果。 A、 'TypeError'、'TypeError'、'TypeError' B、 nan、1 、'TypeError' C、 'TypeError'、'TypeError'、'nan' D、 nan 、'TypeError'、'TypeError' E、 nan 、'1'、'nan' 2、 假设a = [1 ,2 ,None,4]，data1 = pd.Series(a)，data2 = pd.Series(np.array(a))，data1和data2的结果分别是什么？ A、 data1: 0 1.0 1 2.0 2 NaN 3 4.0 dtype: object data2: 0 1 1 2 2 None 3 4 dtype: object B、 data1: 0 1.0 1 2.0 2 None 3 4.0 dtype: float64 data2: 0 1 1 2 2 None 3 4 dtype: object C、 data1: 0 1.0 1 2.0 2 NaN 3 4.0 dtype: float64 data2: 0 1.0 1 2.0 2 NaN 3 4.0 dtype: float64 D、 data1: 0 1 1 2 2 NaN 3 4 dtype: float64 data2: 0 1 1 2 2 None 3 4 dtype: object E、 data1: 0 1.0 1 2.0 2 NaN 3 4.0 dtype: float64 data2: 0 1 1 2 2 None 3 4 dtype: object F、 data1: 0 1.0 1 2.0 2 NaN 3 4.0 dtype: float64 data2: 0 1.0 1 2.0 2 None 3 4.0 dtype: float64

1、计算1 + np.nan、1 + None、np.nan + None的结果：

选项D、nan、'TypeError'、'TypeError'是正确的。

解释：

- 1 + np.nan = nan
- 1 + None 会抛出 TypeError 异常，因为无法将 None 转换为整数或浮点数。
- np.nan + None 也会抛出 TypeError 异常，因为无法将 None 转换为浮点数。

2、假设a = [1 ,2 ,None,4]，data1 = pd.Series(a)，data2 = pd.Series(np.array(a))，data1和data2的结果分别是什么？

选项B、data1: 0 1.0 1 2.0 2 None 3 4.0 dtype: float64 data2: 0 1 1 2 2 None 3 4 dtype: object是正确的。

解释：

- data1: 0 1.0 1 2.0 2 None 3 4.0 dtype: float64。使用 pd.Series() 函数将列表 a 转换为 Series 时，None 会被转换为 NaN（缺失值）。
- data2: 0 1 1 2 2 None 3 4 dtype: object。使用 np.array() 函数将列表 a 转换为数组时，None 会被转换为 Python 对象 None，类型为 object。