解读dataframe中有关inf的处理技巧

>>> np.NINF
-inf
>>> np.inf
inf
>>> np.log(0)
-inf
>>> np.array([1,2])/0 #碰到的最多的情况
array([ inf,  inf])

'''
isinf：显示哪些元素为正或负无穷大
isposinf：显示哪些元素为正无穷大
isneginf：显示哪些元素为负无穷大
isnan：显示哪些元素不是数字
isfinite：显示哪些元素是有限的（不是非数字，正无穷大和负无穷大中的一个）
'''
>>> np.isinf(np.inf) #其他函数同理使用，isinf使用最多。
True
>>> np.isinf(np.array([1,np.inf]))
array([False,  True], dtype=bool)
>>>np.isinf(pd.DataFrame(np.array([1,np.inf])))
       0
0  False
1   True
>>>s1 = pd.Series([1,2,3,np.inf])
>>>s1
0    1.0
1    2.0
2    3.0
3    NaN
dtype: float64
#对inf填补 999
>>>s1[np.isinf(s1)] = 999
>>>s1
0    1.0
1    2.0
2    3.0
3  999.0
dtype: float64
#对inf填补np.nan (较为常用)
>>>s1[np.isinf(s1)] = np.nan
>>>s1
0    1.0
1    2.0
2    3.0
3    NaN
dtype: float64

import numpy as np
df['Col'][np.isinf(df['Col'])] = -1

import numpy as np
df['Col'][np.isinf(df['Col'])] = np.nan

import numpy as np
df.replace(np.inf, -1) #替换正inf为-1
#替换正负inf为NA，加inplace参数 
df.replace([np.inf, -np.inf], np.nan, inplace=True)