NaN и бесконечности — NumPy

Коротко

np.nan (not a number) — стандартная метка пропуска в дробных массивах; np.inf — бесконечность.
NaN «заражает» вычисления: сумма, среднее, максимум с NaN дают NaN.
Функции nansum, nanmean, nanmax, nanmedian, nanstd… пропускают NaN.
NaN не равен ничему, даже себе. Искать пропуски — только через np.isnan.
NaN бывает только в float-массивах; в целых его хранить нельзя.

Синтаксис

np.isnan(a), np.isinf(a), np.isfinite(a)   # маски
np.nansum(a), np.nanmean(a), np.nanmax(a)  # без учёта NaN
np.nan_to_num(a, nan=0.0, posinf=None, neginf=None)
a[~np.isnan(a)]                            # только известные значения

Параметры

ПараметрЧто делаетПо умолчанию

nanчем заменить NaN в nan_to_num0.0

posinf, neginfчем заменить +inf и −inf; None — самым большим / маленьким числом типаNone

axisу nan-функций — как у обычных агрегацийNone

Примеры

Данные для примеровиспользуются во всех примерах ниже

temps = np.array([12.5, np.nan, 14.0, 11.0, np.nan])   # два дня без данных

NaN в сумме и среднем

print(temps.sum())            # один NaN — и сумма тоже NaN
temps.mean()

Вывод

nan
np.float64(nan)

Агрегации без NaN

print(np.nansum(temps))
print(np.nanmean(temps))
np.nanmax(temps)

Вывод

37.5
12.5
np.float64(14.0)

Найти и отбросить пропуски

mask = np.isnan(temps)
print(mask)
print(mask.sum())             # сколько пропусков
temps[~mask]                  # только известные значения

Вывод

[False  True False False  True]
2
array([12.5, 14. , 11. ])

Заполнить пропуски

print(np.nan_to_num(temps))                        # NaN → 0
np.where(np.isnan(temps), np.nanmean(temps), temps)   # NaN → среднее

Вывод

[12.5  0.  14.  11.   0. ]
array([12.5, 12.5, 14. , 11. , 12.5])

Бесконечности

x = np.array([np.inf, -np.inf, 5.0])
print(np.isinf(x), np.isfinite(x))
print(x - x)                  # inf − inf = nan
x.max()

Вывод

[ True  True False] [False False  True]
RuntimeWarning: invalid value encountered in subtract
[nan nan  0.]
np.float64(inf)

Подводные камни

Сравнение с np.nan

a == np.nan всегда даёт False, поэтому такая проверка молча ничего не находит.

Поиск NaN через ==

print(np.nan == np.nan)
temps == np.nan               # всегда False — так пропуски не найти

Вывод

False
array([False, False, False, False, False])

Среднее из одних NaN

Если в срезе нет ни одного значения, nan-функция возвращает NaN с предупреждением.

nanmean без значений

np.nanmean(np.array([np.nan, np.nan]))

Вывод

RuntimeWarning: Mean of empty slice
np.float64(nan)

NaN в целом массиве

Запись NaN в int-массивошибка: ValueError

days = np.array([1, 2, 3])
days[0] = np.nan              # в целом массиве нет NaN

Ошибка

ValueError: cannot convert float NaN to integer

Для целых с пропусками есть маскированные массивы np.ma и nullable-типы pandas.