NumPy 的 nan 如何理解？

Python 中表示空数据使用 None，理解它是理解 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，理解None 比较容易理解，理解就是理解一种空类型。

但是理解使用过 NumPy 的肯定都会接触到 nan 这种类型，它的理解其他写法：NaN或 NAN，查看其类型却发现是理解 float 类型：

In [63]: type(np.nan)                     Out[63]: float 

这不免让人心生疑惑，nan 不是理解空数据，而是理解浮点数，那么到底等于多少?理解

原来这并不是NumPy特有的数值，而是源码下载理解IEEE754规定的特殊浮点数之一。

特殊在哪里?理解

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，理解在机器中表示用 1 位表示数字的理解符号，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，网站模板则这个数为无穷，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出现的源码库索引 In [68]: a.where(np.isnan(a))  # 返回结果 # (array([1, 3]),) 

很赞哦!（27388）