NumPy 的 nan 如何理解？
Python 中表示空數(shù)據(jù)使用 None，它是 NoneType 類(lèi)型，如下所示：
- In [59]: type(None)
- Out[59]: NoneType
NoneType 類(lèi)型沒(méi)有對(duì)外公開(kāi)屬性和方法：
因此，None 比較容易理解，就是一種空類(lèi)型。
但是使用過(guò) NumPy 的肯定都會(huì)接觸到 nan 這種類(lèi)型，它的其他寫(xiě)法：NaN或 NAN，查看其類(lèi)型卻發(fā)現(xiàn)是 float 類(lèi)型：
- In [63]: type(np.nan)
- Out[63]: float
這不免讓人心生疑惑，nan 不是空數(shù)據(jù)，而是浮點(diǎn)數(shù)，那么到底等于多少?
原來(lái)這并不是NumPy特有的數(shù)值，而是IEEE754規(guī)定的特殊浮點(diǎn)數(shù)之一。
特殊在哪里?
這就要知道計(jì)算機(jī)是如何表示浮點(diǎn)數(shù)的，IEEE754 標(biāo)準(zhǔn)中規(guī)定 float 單精度浮點(diǎn)數(shù)，在機(jī)器中表示用 1 位表示數(shù)字的符號(hào)，用 8 位表示指數(shù)，用 23 位表示尾數(shù)，即小數(shù)部分，如下圖所示：
對(duì)于單浮點(diǎn)數(shù)，指數(shù)部分由8位組成，所以取值范圍：0到255，而指數(shù)等于0，255 這兩個(gè)值，IEEE754 標(biāo)準(zhǔn)有特別的規(guī)定：
- 當(dāng)指數(shù)等于0，并且小數(shù)點(diǎn)后所有位全為 0，則這個(gè)數(shù)為 0
- 當(dāng)指數(shù)等于255，并且小數(shù)點(diǎn)后所有位全為 0，則這個(gè)數(shù)為無(wú)窮，當(dāng)符號(hào)位為0時(shí)正無(wú)窮 float('inf')，當(dāng)符號(hào)位為1時(shí)負(fù)無(wú)窮 float('-inf')
- 當(dāng)指數(shù)等于255，并且小數(shù)點(diǎn)后至少一位不為 0，規(guī)定此浮點(diǎn)數(shù)為 nan，表達(dá)的含義：not a number ，不是一個(gè)數(shù)
以上就是 NumPy 中 nan 的解釋?zhuān)宄举|(zhì)后，再來(lái)看幾個(gè)關(guān)于它的運(yùn)算。
既然 nan 不是一個(gè)數(shù)，所以拿它與任何浮點(diǎn)數(shù)比較，返回結(jié)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(xiàn)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(xiàn)的索引
- In [68]: a.where(np.isnan(a))
- # 返回結(jié)果
- # (array([1, 3]),)
