NumPy(Numerical Python)是一个用于科学计算的库,它提供了对多维数组(例如矩阵)和一系列数学函数的支持。NumPy 中包含了处理 NaN(Not-a-Number)和 Inf(Infinity)等特殊值的功能。本文主要介绍一下Python Pandas NumPy 中 NaN(Not-a-Number)和 Inf(Infinity)常用赋值替换删除的处理方法,以及示例代码。
1、NaN(Not-a-Number)
NaN 是一个特殊的浮点数值,表示一个不是有效数字的值。它通常用于表示缺失的数据或不可计算的结果。
例如,
import numpy as np # 创建一个包含 NaN 的数组 arr = np.array([3.0, 4.0, np.nan, 6.0]) print(arr) # 将数组中的值赋值为 NaN # np.nan为特殊的浮点数值,如数组中的值为整型,则是不能赋值的 arr[0] = np.nan print(arr)
1)通过where方法和isnan方法查找Nan行和列
使用示例:
2)数据处理
使用示例:
3)删除有Nan的行
使用示例:
2、Inf(Infinity)
Inf 表示正无穷大或负无穷大,通常是在数学计算中产生的结果。
例如,
import numpy as np # 创建一个包含 Infinity 的数组 arr = np.array([3.0, 4.0, np.inf, -np.inf]) print(arr)
1)通过where方法和isinf方法查找Inf行和列
使用示例:
2)数据处理
使用示例:
3)删除有Inf的行
使用示例:
注意:np.inf
和np.nan
的处理方法基本相同,注意调用处理时方法名。None
是Python中用于标识空缺数据,Nan是nunpy和pandas中用于标识空缺数据,None
是一个Python特殊的数据类型, 但是NaN却是用一个特殊的float。