NumPy 的 nan 如何理解？

Python 中表示空数据使用 None，它是 NoneType 类型，如下所示：

In [59]: type(None)             
Out[59]: NoneType 

NoneType 类型没有对外公开属性和方法：

因此，None 比较容易理解，就是一种空类型。

但是使用过 NumPy 的肯定都会接触到 nan 这种类型，它的其他写法：NaN或 NAN，查看其类型却发现是 float 类型：

In [63]: type(np.nan)                     
Out[63]: float 

这不免让人心生疑惑，nan 不是空数据，而是浮点数，那么到底等于多少?

原来这并不是NumPy特有的数值，而是IEEE754规定的特殊浮点数之一。

特殊在哪里?

这就要知道计算机是如何表示浮点数的，IEEE754 标准中规定 float 单精度浮点数，在机器中表示用 1 位表示数字的符号，用 8 位表示指数，用 23 位表示尾数，即小数部分，如下图所示：

对于单浮点数，指数部分由8位组成，所以取值范围：0到255，而指数等于0，255 这两个值，IEEE754 标准有特别的规定：

• 当指数等于0，并且小数点后所有位全为 0，则这个数为 0
• 当指数等于255，并且小数点后所有位全为 0，则这个数为无穷，当符号位为0时正无穷 float('inf')，当符号位为1时负无穷 float('-inf')
• 当指数等于255，并且小数点后至少一位不为 0，规定此浮点数为 nan，表达的含义：not a number ，不是一个数

以上就是 NumPy 中 nan 的解释，弄清楚本质后，再来看几个关于它的运算。

既然 nan 不是一个数，所以拿它与任何浮点数比较，返回结果都是 False：

In [64]: np.nan < 0                     
Out[64]: False 
 
In [65]: np.nan == np.nan                      
Out[65]: False 
 
In [66]: np.nan < np.inf                      
Out[66]: False 

找出 np.nan 出现的索引位置，可以使用 isnan 方法：

In [67]: a = np.array([-9,np.nan,10,np.nan]) 
# 找出np.nan出现的索引 
In [68]: a.where(np.isnan(a))  
# 返回结果 
# (array([1, 3]),) 

本文转载自网络，原文链接：http://mp.weixin.qq.com/s?__biz=MzI3NTkyMjA4NA==&mid=2247498893&idx=2&sn=8ae11712581166d276dee57f47ecaafe&chksm=eb7fd146dc08585060224f28b8fddc14772f9eaf46647ab8e5f1144231f5862c47921a31d92b&mpshare=1&s
本站部分内容转载于网络，版权归原作者所有，转载之目的在于传播更多优秀技术内容，如有侵权请联系QQ/微信：153890879删除，谢谢！