如何在 Python 中检查 NaN

在 Python 中，“NaN” 代表 “Not a Number”，是一个特殊值，用于表示缺失或未定义的数字数据。它是由 IEEE（电气和电子工程师协会） 浮点算术标准定义的一个特殊值。它通常用于表示数据集中的缺失或未定义的数据。检查 NaN 值是数据预处理和清洗中的重要步骤，因为这些值可能会导致下游计算中出现错误或意外行为。

Python 有多种方法可以检查 NaN 值，但内置的 math 是最常见的方法之一 .isnan() 函数 或使用 numpy 库。

math.isnan() 函数 是内置的 Python 函数之一，可用于检查给定值是否为 NaN。它只需要一个输入，即要验证的值，如果该值为 NaN，则返回 True；否则，返回 False。

例如 ：

import math
x = float('nan')
print(math.isnan(x)) 
y = 2.0
print(math.isnan(y))

输出 ：

True
False

使用 math.isnan() 是检查单个变量中的 NaN 值的一种简单有效的方法，但在处理大型数据数组时可能效率较低。

Python 中另一种常见的检查 NaN 值的方法是使用 numpy 库。NumPy 库提供了许多用于处理数据数组的函数，包括可以用于检查数组中 NaN 值的 isnan() 函数。numpy.isnan() 函数 接受一个数组作为参数，并返回一个与输入的形状相同的数组，在输入具有 NaN 的位置处为 True，在其他地方为 False。

比如说 ：

import numpy as np
x = np.array([1.0, np.nan, 3.0, np.nan])
print(np.isnan(x))

输出 ：

[False  True False  True]

除了 numpy.isnan() 之外，还可以使用其他 numpy 函数来检查 NaN 值，例如 np.isnan()，它返回与输入数组相同形状的布尔掩码。

您还可以使用 pandas 库中的 pd.isna() 函数 来检查 DataFrame 或 Series 中的 NaN 值。该函数返回一个布尔掩码，对于包含 NaN 值的单元格为 True，而对于包含有效值的单元格为 False。

比如说 ：

import pandas as pd
df = pd.DataFrame({'A': [1, 2, np.nan], 'B': [5, np.nan, np.nan], 'C': [1, 2, 3]})
print(df.isna())

您还可以使用 pd.isnull() 函数，它等同于 pd.isna()。

您还可以使用 pd.DataFrame.fillna() 函数 将 NaN 值替换为指定的值。要用作 NaN 值替换的值是该函数接受的唯一输入。

比如说：

df.fillna(0, inplace=True)

这将使用值为 0 替换 DataFrame 中的所有 NaN 值。

Python 中检查 NaN 值的另一种方法是使用 numpy.isnan() 函数与 numpy.any() 或 numpy.all() 函数 结合使用。numpy.any() 函数 如果数组中任何元素为 True，则返回 True，否则返回 False。另一方面，numpy.all() 函数 如果数组中的每个元素都为 True，则返回 True；否则返回 False。

例如，要检查数组中是否有任何值为 NaN，可以使用以下代码：

import numpy as np
x = np.array([1.0, np.nan, 3.0, 4.0])
print(np.any(np.isnan(x)))

输出 ：

True

它将返回 True，因为数组中的一个元素是 NaN。

类似地，要检查数组中是否所有值都为 NaN，可以使用以下代码：

比如说：

y = np.array([np.nan, np.nan, np.nan, np.nan])
print(np.all(np.isnan(y))

输出 ：

True

它将返回 True，因为数组中的所有元素都是 NaN。

您还可以使用 numpy.isinf() 函数 检查数组中的无限值。numpy.isinf() 函数 的工作方式类似于 numpy.isnan() 函数，并在输入具有无限值的位置处返回相同形状的数组中 True，在其他地方为 False。

Python 中检查 NaN 值的另一种方法是使用 pandas.isna() 方法。该方法是 DataFrame 和 Series 的方法，并返回与输入相同形状的布尔掩码，其中包含 NaN 值的单元格为 True，而包含有效值的单元格为 False。

例如，如果您有一个名为 df 的 DataFrame，其中包含列 ‘A’和’B’，并且您想要检查列 ‘A’ 中的 NaN 值，则可以使用：

import pandas as pd
df = pd.DataFrame({'A': [1, 2, np.nan], 'B': [5, np.nan, np.nan], 'C': [1, 2, 3]})
print(df['A'].isna())

这将返回一个布尔掩码，在该掩码中，列 ‘A’ 中 NaN 值的位置将为 True。