Python Float NaN

一、簡介

Python float NaN指的是“Not a Number”，即不是數字的浮點數值。通常出現在交叉驗證等機器學習應用場景中。Python浮點數的NaN值是可以通過math.nan或float(‘nan’)方法創建出來的。這個NaN值可以與其他數字進行比較，但是卻不能和自身進行比較。

讓我們來看一個例子：

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 與 IEEE 754 標準中的 NaN 實現基本相同。 IEEE 754 中只定義了雙精度（double precision）的 NaN，但使用時需注意單精度（float）的 NaN 實現也與雙精度相同，僅數字精度不同。

IEEE 754 中，NaN 有兩種類型：一種是 quiet NaN（QNaN）；一種是 signaling NaN（SNaN）。

QNaN 表示的是未定義或不適用的操作產生的結果。它可以被改變為 SNaN。

SNaN 表示的是嘗試執行結果未定義的操作時產生的 NaN，默認情況下，Python 只會使用 quiet NaN。SNaN 只應該在調試和特定應用中使用。

有一些操作可以產生 NaN，包括：

• 除以 0
• 0 除以 0
• 無窮 / 無窮
• 無窮 – 無窮
• 負數的平方根

三、應用

NaN 在機器學習中可用於以下用途：

• 缺失值的填充，即將列中的缺失值替換為 NaN。
• 標記異常值，如數據集中的遠離均值的極端值可以被標記為 NaN。
• 簡化數據處理，當需要忽略一些數據點時，可將其替換為NaN，減少對其他數據的干擾。

四、使用示例

1. 缺失值填充

在數據分析中，經常會遇到一些缺失值需要填充。通過將缺失值替換為 NaN，在分析中可以方便地使用 df.isna() 或 df.isnull() 進行識別。

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. 標記異常值

有些數據集中可能存在一些離群值，將其用 NaN 標記，可以在分析中忽略這些數據點，並且不會對其他數據造成干擾。

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. 簡化數據處理

有些數據點會對分析造成干擾，這時可以將其替換為 NaN，這樣在分析時就不會考慮這些特殊情況，避免對其他數據產生影響。

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)