Преимущества использования NaN для представления пустых значений в DataFrame:

• Возможность обработки отсутствующих данных. 15 Для работы с NaN в Pandas доступны методы, например, dropna (фильтрация данных по отсутствующим значениям) и fillna (замена пропусков с возвратом копии). 3
• Перенос NaN в результат арифметических действий. 2 Вне зависимости от операции результат арифметического действия с участием NaN будет равен NaN. 2
• Возможность заполнения пустых значений допустимым значением. 2 Это может быть фиксированное значение, например нуль, или интерполированное или восстановленное на основе «хороших» данных значение. 2

Однако у использования NaN есть и ограничения: использование значений индикаторов может привести к дополнительным неоптимизированным расчётам, а также NaN доступен не для всех типов данных. 3