Python 判断是否是NaN|极客教程

Python 判断是否是NaN

在数据分析和处理过程中，经常会遇到缺失数据（NaN）的情况。NaN是”Not a Number”的缩写，它表示缺失或不可用的数据。在Python中，我们经常需要判断一个变量是否为NaN。本文将介绍如何在Python中判断一个变量是否为NaN，并提供一些实际应用示例。

方法一：使用`math.isnan()`函数

Python的内置模块math提供了一个函数isnan()用于判断一个变量是否为NaN。这个函数可以判断浮点数和复数是否为NaN，但是无法判断其他类型的数据。下面是一个简单的示例：

import math

a = float('nan')
b = float('inf')
c = 10

print(math.isnan(a))  # True
print(math.isnan(b))  # False
print(math.isnan(c))  # Error! math.isnan()只能用于浮点数类型

在上面的示例中，我们首先将a赋值为NaN，然后使用math.isnan()函数判断a是否为NaN，返回结果为True。另外，对于无穷大inf的判断，函数也能正确处理，返回结果为False。但是对于整数类型的数据，使用math.isnan()时会抛出异常。

方法二：使用`numpy.isnan()`函数

除了math模块的isnan()函数外，我们还可以使用numpy模块中的isnan()函数来判断一个变量是否为NaN。与math.isnan()不同的是，numpy.isnan()可以处理不仅仅是浮点数类型的数据，还可以处理各种数据类型的NaN判断。下面是一个示例：

import numpy as np

a = float('nan')
b = float('inf')
c = np.nan
d = 'NaN'
e = None

print(np.isnan(a))  # True
print(np.isnan(b))  # False
print(np.isnan(c))  # True
print(np.isnan(d))  # False
print(np.isnan(e))  # False

在上面的示例中，我们分别定义了浮点数NaN、无穷大、numpy中的NaN、字符串NaN和None，并使用numpy.isnan()函数进行判断。可以看到，对于浮点数和numpy中的NaN，函数返回True，而对于其他类型的数据，函数返回False。

方法三：使用pandas中的isna()和isnull()函数

在数据分析中，我们经常使用pandas库来处理数据。pandas提供了两个函数isna()和isnull()用于判断一个变量是否为NaN。这两个函数是等价的，可以用于Series和DataFrame对象。下面是一个示例：

import pandas as pd

data = {'A': [1, 2, np.nan, 4],
        'B': [np.nan, np.nan, 3, 4]}
df = pd.DataFrame(data)

print(df.isna())
print(df.isnull())

在上面的示例中，我们首先创建了一个包含NaN值的DataFrame，并分别使用isna()和isnull()函数对DataFrame进行判断。输出为一个布尔类型的DataFrame，True表示对应位置是NaN，False表示不是NaN。

实际应用示例

示例一：判断DataFrame中的NaN值并处理

在实际的数据处理中，我们经常需要处理DataFrame中的NaN值。下面是一个示例，演示如何使用pandas库判断DataFrame中的NaN值并进行处理：

import pandas as pd
import numpy as np

data = {'A': [1, 2, np.nan, 4],
        'B': [np.nan, 5, 3, 4]}
df = pd.DataFrame(data)

# 判断DataFrame中的NaN值
print(df.isna())

# 处理NaN值，使用0填充
df.fillna(0, inplace=True)
print(df)

在上面的示例中，我们首先创建了一个包含NaN值的DataFrame，使用isna()函数判断DataFrame中的NaN值，并使用fillna()函数将NaN值填充为0。

示例二：判断列表中的NaN值

除了DataFrame外，我们还可以使用numpy库来处理列表中的NaN值。下面是一个示例，演示如何使用numpy.isnan()函数判断列表中的NaN值：

import numpy as np

data = [1, 2, np.nan, 4]
for i in range(len(data)):
    if np.isnan(data[i]):
        print(f"第{i+1}个元素是NaN")

在上面的示例中，我们首先定义一个包含NaN值的列表，然后使用循环和numpy.isnan()函数判断列表中的NaN值并输出。

总结

本文介绍了三种方法来判断一个变量是否为NaN，包括使用math.isnan()函数、numpy.isnan()函数以及pandas库中的isna()和isnull()函数。这些方法可以帮助我们在数据分析和处理中快速判断NaN值，进而进行相应的处理。在实际的数据处理中，根据具体的情况选择合适的方法来判断NaN值是很重要的。