Метод value_counts() Panda непоследовательно подсчитывает пропущенные значения

Пожалуйста, рассмотрите этот простой фрейм данных:

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

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

Некоторые индексы:

ff_idx = [1, 2]

sd_idx= [3, 4]

Один из способов создания нового столбца путем фильтрации df на основе приведенных выше индексов:

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' 

Другой способ сделать то же самое:

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

Обратите внимание: хотя значения ff_sd_indicator и ff_sd_indicator2, естественно, одинаковы, пропущенные значения печатаются по-разному (NaN или 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

Меня не волнуют разные отпечатки, но, что удивительно, пропущенные значения не отображаются в выводе:

df['ff_sd_indicator'].value_counts()

который:

ff_sd_indicator
ff_count    2
sd_count    2

Но они появляются в выводе:

df['ff_sd_indicator2'].value_counts()

который:

ff_sd_indicator2
ff_count    2
sd_count    2
nan         1

Итак, что здесь происходит с тем, что value_counts() не считает пропущенные значения в ff_sd_indicator, хотя они были созданы тем же np.nan, что и недостающие значения в ff_sd_indicator2?

Редактировать: 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