np.nan — это константа, представляющая отсутствующее или неопределенное числовое значение в массиве NumPy. Означает «не число» и имеет тип float. np.nan эквивалентен NaN.
- Синтаксис и примеры
- Пример 1: Основное использование np.nan
- Пример 2: значение nan в консоли
- Пример 3: Сравнение значений np.nan в Python
- Что такое функция np.isnan() в Python?
- Часто задаваемые вопросы
- Чем np.nan отличается от None?
- Как проверить значения np.nan в массиве NumPy?
- Как заменить значения np.nan в массиве NumPy?
- Как np.nan можно обрабатывать в вычислениях?
Синтаксис и примеры
|
1 |
numpy.nan |
Пример 1: Основное использование np.nan
|
1 2 3 4 5 6 |
import numpy as np myarr = np.array([1, 0, np.nan, 3]) print(myarr) |
Выход:
|
1 |
[ 1. 0. nan 3.] |
Важная вещь, которую я хотел бы, чтобы вы вынесли из этого, заключается в том, что все наши целые числа были преобразованы в числа с плавающей запятой, и это потому, что NumPy определил тип данных NaN как число с плавающей запятой.
Из-за неявного приведения вверх все наши элементы были преобразованы в типы данных с плавающей запятой.
Элементы NaN также предшествуют каждому другому элементу, когда используются математические операции.
Пример 2: значение nan в консоли
|
1 2 3 4 |
import numpy as np print(np.nan) |
Выход:
|
1 |
nan |
Пример 3: Сравнение значений np.nan в Python
Вы можете использовать оператор двойного равенства(==) для сравнения двух значений nan в Python.
|
1 2 3 4 |
import numpy as np print(np.nan == np.nan) |
Выход:
|
1 |
False |
Что такое функция np.isnan() в Python?
np.isnan() — это библиотечная функция NumPy, которая поэлементно проверяет наличие NaN и возвращает результат в виде логического массива в Python. Она принимает входные данные в виде массива и необязательный выходной параметр. Например, если у вас есть массив x = [1, 2, np.nan], вы можете использовать функцию np.isnan(x), чтобы получить [False, False, True].
|
1 2 3 |
import numpy as np print(np.isnan(np.nan)) |
Выход:
|
1 |
True |
Часто задаваемые вопросы
Чем np.nan отличается от None?
Основное различие между None и np.nan заключается в том, что None используется в Python для представления отсутствия значения, а np.nan специально используется в NumPy для представления отсутствующих или нулевых числовых значений.
В отличие от None, np.nan является значением с плавающей запятой и имеет тип float.
Как проверить значения np.nan в массиве NumPy?
Вы можете использовать функцию np.isnan() для проверки значений np.nan в массиве NumPy. Функция np.isnan() возвращает логический массив со значениями True, если элементы входного массива являются np.nan, и значениями False, если элементы не являются np.nan.
Как заменить значения np.nan в массиве NumPy?
Вы можете использовать функцию np.where() для замены значений np.nan указанным значением в массиве Numpy.
|
1 2 3 4 5 |
import numpy as np arr = np.array([1, 2, np.nan, 4, 5]) result = np.where(np.isnan(arr), 0, arr) print(result) |
Выход:
|
1 |
[1. 2. 0. 4. 5.] |
Как np.nan можно обрабатывать в вычислениях?
Когда вы используете np.nan в числовых операциях, он распространяется через вычисления и приводит к другому значению np.nan.
