什么是NaN？

NaN是"Not a Number"(非数值)的缩写，在Python中表示未定义或不可表示的数值。

NaN的特点：

• 属于浮点数类型(float)
• 不等于任何值，包括它自己
• 进行数学运算时通常会传播(结果也是NaN)
• 表示缺失或无效的数值数据

在数据处理中，NaN通常用来表示缺失值或计算错误的结果。

NaN的产生场景

NaN通常在以下情况中出现：

1. 数学未定义操作：0除以0
2. 包含无穷大的计算：∞ - ∞
3. 对负数开平方根
4. 从外部数据源(如CSV、数据库)读取缺失值
5. 数据转换失败时

代码示例：产生NaN

import math
import numpy as np

# 1. 0除以0
result = 0.0 / 0.0
print(f"0/0 = {result}")  # 输出: nan

# 2. 无穷大相减
inf = float('inf')
result = inf - inf
print(f"∞ - ∞ = {result}")  # 输出: nan

# 3. 负数的平方根
result = math.sqrt(-1)
print(f"√(-1) = {result}")  # 输出: nan

# 4. 使用numpy创建NaN
arr = np.array([1, 2, np.nan, 4])
print(f"包含NaN的数组: {arr}")

如何判断NaN

由于NaN不等于任何值（包括它自己），不能使用常规的相等性检查：

nan_value = float('nan')

# 错误的判断方式
print(nan_value == nan_value)  # 输出: False
print(nan_value == float('nan'))  # 输出: False

正确判断NaN的方法：

1. 使用math.isnan()

import math

nan_value = float('nan')
print(math.isnan(nan_value))  # 输出: True
print(math.isnan(42))         # 输出: False

2. 使用numpy.isnan()（处理数组）

import numpy as np

arr = np.array([1, 2, np.nan, 4])
print(np.isnan(arr))  # 输出: [False False  True False]

3. 使用pandas.isna()（处理DataFrame）

import pandas as pd
import numpy as np

data = {'A': [1, 2, np.nan], 'B': [5, np.nan, np.nan]}
df = pd.DataFrame(data)

print(pd.isna(df))
# 输出:
#        A      B
# 0  False  False
# 1  False   True
# 2   True   True

如何处理NaN值

处理NaN的常见方法包括：

1. 删除包含NaN的行或列
2. 用特定值填充NaN（均值、中位数、众数等）
3. 使用插值方法填充
4. 将NaN作为单独类别处理

1. 删除NaN值

import pandas as pd
import numpy as np

data = {'A': [1, 2, np.nan, 4], 'B': [5, np.nan, 7, 8]}
df = pd.DataFrame(data)

# 删除包含NaN的行
df_dropped = df.dropna()
print("删除NaN后的DataFrame:")
print(df_dropped)

2. 填充NaN值

# 用0填充
df_filled_zero = df.fillna(0)
print("\n用0填充后的DataFrame:")
print(df_filled_zero)

# 用列均值填充
df_filled_mean = df.fillna(df.mean())
print("\n用列均值填充后的DataFrame:")
print(df_filled_mean)

# 用前一个有效值填充
df_filled_ffill = df.fillna(method='ffill')
print("\n向前填充后的DataFrame:")
print(df_filled_ffill)

3. 插值处理

# 线性插值
df_interpolated = df.interpolate()
print("\n线性插值后的DataFrame:")
print(df_interpolated)

最佳实践总结

• 始终使用专用函数检测NaN(math.isnan, np.isnan, pd.isna)
• 理解数据中NaN的来源和含义
• 在数据清洗阶段系统化处理NaN
• 根据具体场景选择合适的NaN处理策略
• 在数据分析前检查NaN的存在及其影响
• 在数据可视化时注意NaN的处理方式