Python中NAN与INF值的特性及处理方法

一、NAN和INF值处理

首先需要明确这两个术语的具体含义：

• NAN：即Not A Number，意为“非数字”。尽管它表示非数值，但其数据类型仍属于浮点型（float），因此在执行数据运算时需特别注意其类型属性。
• INF：即Infinity，代表“无穷大”，同样属于浮点类型。在NumPy中，np.inf表示正无穷大，-np.inf表示负无穷大。这类值通常出现在除以0的运算中，例如2/0的结果即为无穷大。

二、NAN一些特点

• NAN与NAN不相等。例如，表达式np.NAN != np.NAN返回True。
• NAN与任何数值进行运算，结果均为NAN。

在从文件读取数据时，常会遇到缺失值，这会影响后续数据处理。因此，在进行数据分析前需对缺失值进行处理。处理方式多样，需结合实际场景选择，通常包括删除缺失值或使用其他值进行填充两种主要策略。

三、两种处理方式：删除缺失值，用其他值进行填充

3.1删除缺失值

3.1.1 若要删除数组中的NAN，可转换思路，仅提取非NAN的值。

3.1.2 删除包含NAN的行（处理后仍保持二维数组结构）。

3.2用其他值进行填充

有时直接删除并非最佳选择。例如，在包含数学和英语成绩的数据表中，若某学生某一科目无成绩，则会出现NAN。此时不宜直接删除，而应采用特定值进行替代。

假设存在如下表格：

若需计算每门课程的总分及平均分，可采用特定值替代NAN。例如，计算总分时将NAN替换为0；计算平均分时，则将NAN替换为其他已有值的平均值。示例代码如下：

总结

1. NAN：Not A Number的缩写，表示非数字，但属于浮点类型。

2. INF：表示无穷大，通常在除数为0时出现。

3. NAN与任何值进行计算，结果均为NAN。

4. NAN != NAN成立。

5. 可使用np.isnan()函数判断某个值是否为NAN。

6. 处理缺失值时，可选择删除NAN所在行或列，或通过值替换进行处理。

7. np.delete函数较为特殊，通过axis=0指定删除行，而大多数其他函数中axis=1才代表行。

以上为个人经验分享，希望能提供参考，也希望大家多多支持本站。