NumPy 中nan 的作用是什么

这篇文章给大家介绍NumPy 中nan 的作用是什么，内容非常详细，感兴趣的小伙伴们可以参考借鉴，希望对大家能有所帮助。

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]),)

关于NumPy 中nan 的作用是什么就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。