numpy中的nan和inf,及其批量判别、替换方式

import numpy as np

print(f'nan 之间的值比较 {np.nan == np.nan}')
print(f'nan 之间的地址比较 {np.nan is np.nan}')

Out[18]:
nan 之间的值比较 False
nan 之间的地址比较 True

print(f'inf 之间的值比较 {np.inf == np.inf}')
print(f'inf 之间的地址比较 {np.inf is np.inf}')

Out[19]:
inf 之间的值比较 True
inf 之间的地址比较 True

In[20]: 0 * np.inf
Out[20]:
nan

In[21]: 2341 * np.inf
Out[21]:
inf

In[22]: -241 + np.inf
Out[21]:
inf

In[22]: 894 / np.inf
Out[22]:
0.0

In[23]: np.inf / np.inf
Out[23]:
nan

In[24]: 1.0e-28 > -np.inf
Out[24]:
True

In[25]: 1.e+43 < np.inf
Out[25]:
True

In[26]: np.inf == np.inf
True

In[27]: -np.inf == -np.inf
Out[27]:
True

In[30]:
a1 = np.array([[1, np.nan, np.inf], [np.nan, -np.inf, -0.25]])
print(a1)
print(np.isfinite(a1)

Out[30]:
array([[ 1.  ,   nan,   inf],
       [  nan,  -inf, -0.25]])
array([[ True, False, False],
       [False, False,  True]])

In[31]:
a = np.array([[np.nan, np.nan, 1, 2], [np.inf, np.inf, 3, 4], [1, 1, 1, 1], [2, 2, 2, 2]])
print('替换前')
print (a)
where_are_nan = np.isnan(a)
where_are_inf = np.isinf(a)

#nan替换成0,inf替换成nan
a[where_are_nan] = 0
a[where_are_inf] = np.nan
print('替换后')
print(a)

Out[31]:
替换前
[[nan nan  1.  2.]
 [inf inf  3.  4.]
 [ 1.  1.  1.  1.]
 [ 2.  2.  2.  2.]]
替换后
[[ 0.  0.  1.  2.]
 [nan nan  3.  4.]
 [ 1.  1.  1.  1.]
 [ 2.  2.  2.  2.]]

In[32]:
def fill_ndarray(t1):
    for i in range(t1.shape[1]):  # 遍历每一列（每一列中的nan替换成该列的均值）
        temp_col = t1[:, i]  # 当前的一列
        nan_num = np.count_nonzero(temp_col != temp_col)
        if nan_num != 0:  # 不为0，说明当前这一列中有nan
            temp_not_nan_col = temp_col[temp_col == temp_col]  # 去掉nan的ndarray
 
            # 选中当前为nan的位置，把值赋值为不为nan的均值
            temp_col[np.isnan(temp_col)] = temp_not_nan_col.mean()  # mean()表示求均值。
    return t1
 
 
if __name__ == '__main__':
    t1 = np.array([[ 0.,  1.,  2.,  3.,  4.,  5.],
                 [ 6.,  7., np.nan, np.nan, np.nan, np.nan],
                 [12., 13., 14., 15., 16., 17.],
                 [18., 19., 20., 21., 22., 23.]])
 
 	print('替换前')
 	print(t1)
    t1 = fill_ndarray(t1)  # 将nan替换成对应的均值
    print('替换后')
    print(t1)

Out[32]:
替换前
[[ 0.  1.  2.  3.  4.  5.]
 [ 6.  7. nan nan nan nan]
 [12. 13. 14. 15. 16. 17.]
 [18. 19. 20. 21. 22. 23.]]
替换后
[[ 0.  1.  2.  3.  4.  5.]
 [ 6.  7. 12. 13. 14. 15.]
 [12. 13. 14. 15. 16. 17.]
 [18. 19. 20. 21. 22. 23.]]

In[33]:
a = np.array([[np.nan,np.inf], [-np.nan,-np.inf]])
np.nan_to_num(a)

Out[33]:
array([[ 0.00000000e+000,  1.79769313e+308],
       [ 0.00000000e+000, -1.79769313e+308]])