您的位置:

Python Float NaN

一、简介

Python float NaN指的是“Not a Number”,即不是数字的浮点数值。通常出现在交叉验证等机器学习应用场景中。Python浮点数的NaN值是可以通过math.nan或float('nan')方法创建出来的。这个NaN值可以与其他数字进行比较,但是却不能和自身进行比较。

让我们来看一个例子:

import math
a = float('nan')
b = float('nan')
c = 1.0
print(a == b) # False
print(a == a) # False
print(math.isnan(a)) # True
print(c > a) # False

二、原理

Python 中的 NaN 与 IEEE 754 标准中的 NaN 实现基本相同。 IEEE 754 中只定义了双精度(double precision)的 NaN,但使用时需注意单精度(float)的 NaN 实现也与双精度相同,仅数字精度不同。

IEEE 754 中,NaN 有两种类型:一种是 quiet NaN(QNaN);一种是 signaling NaN(SNaN)。

QNaN 表示的是未定义或不适用的操作产生的结果。它可以被改变为 SNaN。

SNaN 表示的是尝试执行结果未定义的操作时产生的 NaN,默认情况下,Python 只会使用 quiet NaN。SNaN 只应该在调试和特定应用中使用。

有一些操作可以产生 NaN,包括:

  • 除以 0
  • 0 除以 0
  • 无穷 / 无穷
  • 无穷 - 无穷
  • 负数的平方根

三、应用

NaN 在机器学习中可用于以下用途:

  • 缺失值的填充,即将列中的缺失值替换为 NaN。
  • 标记异常值,如数据集中的远离均值的极端值可以被标记为 NaN。
  • 简化数据处理,当需要忽略一些数据点时,可将其替换为NaN,减少对其他数据的干扰。

四、使用示例

1. 缺失值填充

在数据分析中,经常会遇到一些缺失值需要填充。通过将缺失值替换为 NaN,在分析中可以方便地使用 df.isna() 或 df.isnull() 进行识别。

import pandas as pd
import numpy as np

data = {'name': ['Tom', 'Jerry', 'Mickey', 'Donald'],
        'age': [28, 25, np.nan, 22],
        'salary': [3000, 5000, np.nan, 8000]}

df = pd.DataFrame(data)
print(df)

df.fillna(value=np.nan, inplace=True)
print(df)

2. 标记异常值

有些数据集中可能存在一些离群值,将其用 NaN 标记,可以在分析中忽略这些数据点,并且不会对其他数据造成干扰。

import pandas as pd
import numpy as np

data = {'name': ['Tom', 'Jerry', 'Mickey', 'Donald'],
        'age': [28, 25, 500, 22],
        'salary': [3000, 5000, 10000, 8000]}

df = pd.DataFrame(data)
print(df)

df['age'] = np.where(df['age'] > 100, np.nan, df['age'])
print(df)

3. 简化数据处理

有些数据点会对分析造成干扰,这时可以将其替换为 NaN,这样在分析时就不会考虑这些特殊情况,避免对其他数据产生影响。

import pandas as pd
import numpy as np

data = {'name': ['Tom', 'Jerry', 'Mickey', 'Donald'],
        'age': [28, 25, 500, 22],
        'salary': [3000, 5000, 10000, 8000]}

df = pd.DataFrame(data)
print(df)

df['age'] = np.where(df['age'] > 100, np.nan, df['age'])
df['salary'] = np.where(df['salary'] > 10000, np.nan, df['salary'])
print(df)