NumPy 的 nan 如何理解？
作者：zhenguo
None比較容易理解，就是一種空類型，但是使用過NumPy的肯定都會接觸到nan這種類型，它的其他寫法：NaN或NAN，查看其類型卻發現是float類型
Python 中表示空數據使用 None，它是 NoneType 類型，如下所示：
- In [59]: type(None)
- Out[59]: NoneType
NoneType 類型沒有對外公開屬性和方法：
因此，None 比較容易理解，就是一種空類型。
但是使用過 NumPy 的肯定都會接觸到 nan 這種類型，它的其他寫法：NaN或 NAN，查看其類型卻發現是 float 類型：
- In [63]: type(np.nan)
- Out[63]: float
這不免讓人心生疑惑，nan 不是空數據，而是浮點數，那么到底等于多少?
原來這并不是NumPy特有的數值，而是IEEE754規定的特殊浮點數之一。
特殊在哪里?
這就要知道計算機是如何表示浮點數的，IEEE754 標準中規定 float 單精度浮點數，在機器中表示用 1 位表示數字的符號，用 8 位表示指數，用 23 位表示尾數，即小數部分，如下圖所示：
對于單浮點數，指數部分由8位組成，所以取值范圍：0到255，而指數等于0，255 這兩個值，IEEE754 標準有特別的規定：
- 當指數等于0，并且小數點后所有位全為 0，則這個數為 0
- 當指數等于255，并且小數點后所有位全為 0，則這個數為無窮，當符號位為0時正無窮 float('inf')，當符號位為1時負無窮 float('-inf')
- 當指數等于255，并且小數點后至少一位不為 0，規定此浮點數為 nan，表達的含義：not a number ，不是一個數
以上就是 NumPy 中 nan 的解釋，弄清楚本質后，再來看幾個關于它的運算。
既然 nan 不是一個數，所以拿它與任何浮點數比較，返回結果都是 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 出現的索引位置，可以使用 isnan 方法：
- In [67]: a = np.array([-9,np.nan,10,np.nan])
- # 找出np.nan出現的索引
- In [68]: a.where(np.isnan(a))
- # 返回結果
- # (array([1, 3]),)
責任編輯：趙寧寧
來源：
Python與算法社區
