如何检查 NaN 值？

使用 math.isnan：

>>> import math
>>> x = float('nan')
>>> math.isnan(x)
True

---

测试 NaN 的常用方法是查看它是否等于自身：

def isNaN(num):
    return num != num

---

numpy.isnan(number) 告诉您它是否是 NaN。

---

以下是您可以测试变量是否为“NaN”的三种方法。

import pandas as pd
import numpy as np
import math

# For single variable all three libraries return single boolean
x1 = float("nan")

print(f"It's pd.isna: {pd.isna(x1)}")
print(f"It's np.isnan: {np.isnan(x1)}}")
print(f"It's math.isnan: {math.isnan(x1)}}")

输出

It's pd.isna: True
It's np.isnan: True
It's math.isnan: True

---

这是一个答案：

符合 IEEE 754 标准的 NaN 实现，即：python 的 NaN：float('nan')、numpy.nan...

即：python的NaN：float（'nan'），numpy.nan ...

任何其他对象：字符串或其他对象（如果遇到不会引发异常）

遵循标准实现的 NaN 是唯一一个与自身进行不等比较应返回 True 的值：

def is_nan(x):
    return (x != x)

还有一些例子：

import numpy as np
values = [float('nan'), np.nan, 55, "string", lambda x : x]
for value in values:
    print(f"{repr(value):<8} : {is_nan(value)}")

输出：

nan      : True
nan      : True
55       : False
'string' : False
<function <lambda> at 0x000000000927BF28> : False

---

似乎检查它是否等于自身

x!=x

是最快的。

import pandas as pd 
import numpy as np 
import math 

x = float('nan')

%timeit x!=x                                                                                                                                                                                                                        
44.8 ns ± 0.152 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

%timeit math.isnan(x)                                                                                                                                                                                                               
94.2 ns ± 0.955 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

%timeit pd.isna(x) 
281 ns ± 5.48 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

%timeit np.isnan(x)                                                                                                                                                                                                                 
1.38 µs ± 15.7 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

---

实际上，我只是遇到了这个问题，但对我来说，它正在检查 nan、-inf 或 inf。我刚用

if float('-inf') < float(num) < float('inf'):

这对于数字是正确的，对于 nan 和 inf 都是错误的，并且会引发字符串或其他类型的异常（这可能是一件好事）。此外，这不需要导入任何库，如 math 或 numpy（numpy 太大了，它会使任何已编译应用程序的大小增加一倍）。

---

math.isnan()

或将数字与自身进行比较。 NaN 总是 != NaN，否则（例如，如果它是一个数字）比较应该成功。

---

好吧，我进入了这篇文章，因为我对这个功能有一些问题：

math.isnan()

运行此代码时出现问题：

a = "hello"
math.isnan(a)

它引发了异常。我的解决方案是再次检查：

def is_nan(x):
    return isinstance(x, float) and math.isnan(x)

---

另一种方法，如果你卡在 <2.6，你没有 numpy，你没有 IEEE 754 支持：

def isNaN(x):
    return str(x) == str(1e400*0)

---

随着 python < 2.6 我最终得到

def isNaN(x):
    return str(float(x)).lower() == 'nan'

这适用于我在 Solaris 5.9 机器上使用 python 2.5.1 和在 Ubuntu 10 上使用 python 2.6.5

---

我从以字符串 'Nan' 形式发送 NaN 的网络服务接收数据。但我的数据中也可能有其他类型的字符串，所以一个简单的 float(value) 可能会引发异常。我使用了以下已接受答案的变体：

def isnan(value):
  try:
      import math
      return math.isnan(float(value))
  except:
      return False

要求：

isnan('hello') == False
isnan('NaN') == True
isnan(100) == False
isnan(float('nan')) = True

---

判断变量是 NaN 还是 None 的所有方法：

无类型

In [1]: from numpy import math

In [2]: a = None
In [3]: not a
Out[3]: True

In [4]: len(a or ()) == 0
Out[4]: True

In [5]: a == None
Out[5]: True

In [6]: a is None
Out[6]: True

In [7]: a != a
Out[7]: False

In [9]: math.isnan(a)
Traceback (most recent call last):
  File "<ipython-input-9-6d4d8c26d370>", line 1, in <module>
    math.isnan(a)
TypeError: a float is required

In [10]: len(a) == 0
Traceback (most recent call last):
  File "<ipython-input-10-65b72372873e>", line 1, in <module>
    len(a) == 0
TypeError: object of type 'NoneType' has no len()

NaN型

In [11]: b = float('nan')
In [12]: b
Out[12]: nan

In [13]: not b
Out[13]: False

In [14]: b != b
Out[14]: True

In [15]: math.isnan(b)
Out[15]: True

---

如何从混合数据类型列表中删除 NaN（浮点）项

如果您在可迭代中混合了类型，这里有一个不使用 numpy 的解决方案：

from math import isnan

Z = ['a','b', float('NaN'), 'd', float('1.1024')]

[x for x in Z if not (
                      type(x) == float # let's drop all float values…
                      and isnan(x) # … but only if they are nan
                      )]

['a', 'b', 'd', 1.1024]

短路计算意味着不会对非“浮点”类型的值调用 isnan，因为 False and (…) 可以快速计算为 False，而无需计算右侧。

---

在 Python 3.6 中检查字符串值 x math.isnan(x) 和 np.isnan(x) 会引发错误。因此，如果我事先不知道它是一个数字，我无法检查给定的值是否为 NaN。以下似乎解决了这个问题

if str(x)=='nan' and type(x)!='str':
    print ('NaN')
else:
    print ('non NaN')

---

比较 pd.isna、math.isnan 和 np.isnan 以及它们处理不同类型对象的灵活性。

下表显示是否可以使用给定方法检查对象类型：

+------------+-----+---------+------+--------+------+
|   Method   | NaN | numeric | None | string | list |
+------------+-----+---------+------+--------+------+
| pd.isna    | yes | yes     | yes  | yes    | yes  |
| math.isnan | yes | yes     | no   | no     | no   |
| np.isnan   | yes | yes     | no   | no     | yes  | <-- # will error on mixed type list
+------------+-----+---------+------+--------+------+

pd.isna

检查不同类型缺失值的最灵活方法。

没有一个答案涵盖 pd.isna 的灵活性。虽然 math.isnan 和 np.isnan 将为 NaN 值返回 True，但您无法检查不同类型的对象，例如 None 或字符串。这两种方法都会返回错误，因此检查具有混合类型的列表会很麻烦。虽然 pd.isna 很灵活，并且将为不同类型的类型返回正确的布尔值：

In [1]: import pandas as pd

In [2]: import numpy as np

In [3]: missing_values = [3, None, np.NaN, pd.NA, pd.NaT, '10']

In [4]: pd.isna(missing_values)
Out[4]: array([False,  True,  True,  True,  True, False])

---

对于浮点类型的nan

>>> import pandas as pd
>>> value = float(nan)
>>> type(value)
>>> <class 'float'>
>>> pd.isnull(value)
True
>>>
>>> value = 'nan'
>>> type(value)
>>> <class 'str'>
>>> pd.isnull(value)
False

---

对于 panda 中的字符串，取 pd.isnull：

if not pd.isnull(atext):
  for word in nltk.word_tokenize(atext):

NLTK 的特征提取功能

def act_features(atext):
features = {}
if not pd.isnull(atext):
  for word in nltk.word_tokenize(atext):
    if word not in default_stopwords:
      features['cont({})'.format(word.lower())]=True
return features

---