大数据时代的到来，使得很多工作都需要进行数据挖掘，从而发现更多有利的规律，或规避风险，或发现商业价值。

而大数据分析的基础是学好编程语言。

本文和你一起来探索Python中的nan函数，让你以最短的时间明白这个函数的原理。

也可以利用碎片化的时间巩固这个函数，让你在处理工作过程中更高效。

nan是numpy库下的函数，调用需先要安装numpy包。打开cmd，安装语句如下：

pip install numpy

在Python的NumPy库中，numpy.nan是一个特殊的浮点值，表示“不是一个数字”(Not a Number)。
它是一个64位浮点数类型的值，用于表示缺失或无法表示的数值。它有两个别名分别为numpy.NAN和numpy.NaN。
其基本调用语法如下：

import numpy as np 
np.nannp.NANnp.NaN

np.nan具有以下特性：

1. np.nan不等于任何值，包括自身。这意味着np.nan == np.nan的结果为False。
2. np.nan与任何数的比较结果都是False。这意味着np.nan < np.nan、np.nan > np.nan和np.nan == np.nan的结果都是False。
3. np.nan是一个有效的数学操作数，可以参与各种数学运算。但是，任何涉及np.nan的算术运算结果都是np.nan。
4. np.nan在数组中不会引起任何数学运算的错误，但会导致结果为np.nan。

三、nan函数实例
1   查看nan类型
首先导入numpy库，查看nan类型，具体代码如下：
import numpy as np 
type(np.nan)
得到结果：
float

2   验证nan是否等于自身
接着验证np.nan是否等于自身，代码如下：
np.nan == np.nan
得到结果：
False
即np.nan不等于自身。
3   查看nan与数的比较结果
再看下nan与不同数的比较结果。
1.和自身比较，代码如下：
np.nan < np.nan
得到结果：
False

2.和1比较，代码如下：
np.nan < 1
得到结果：
False

3.和1000比较，代码如下：
np.nan > 1000
得到结果：
False
可以发现，结果都为False。我也测试过比较大的数，结果也为False。感兴趣的可以自行测试一下。

4   nan参与数学运算
再看下nan参与数学运算的结果。
1.nan加10000，代码如下：
np.nan + 10000
得到结果：
nan

2.nan乘5，代码如下：
np.nan*5
得到结果：
nan

3.nan除1，代码如下：
np.nan/1
得到结果：
nan

5   nan参与数组运算
最后，看下nan参与数组运算的结果。
1.检查数组中是否有nan值，代码如下：
import numpy as np    # 创建一个包含 numpy.nan 的数组  arr = np.array([2, np.nan, 4, 5])  # 检查 numpy.nan 的值  np.isnan(arr)
得到结果：
array([False,  True, False, False])

2.对含有nan值的数组做加法运算，代码如下：
# 对数组进行数学运算  result = arr + 5  result
得到结果：
array([ 7., nan,  9., 10.])

3.对含有nan值的数组求最大值，代码如下：
max([2, np.nan, 4, 5])
得到结果：
5

可以发现通过使用np.nan，可以在数组中表示缺失或无法表示的数值，并参与各种数学运算，而不会导致错误。

至此，Python中的nan函数已讲解完毕，如想了解更多Python中的函数，可以翻看公众号中“学习Python”模块相关文章。

【限时免费进群】群内讨论学习Python、玩转Python、风控建模、人工智能、数据分析相关问题，还提供招聘内推信息、优秀文章、学习视频，也可交流工作中遇到的相关问题。需要的朋友添加微信号19967879837，加时备注想进的群，比如风控建模。

一文囊括Python中的函数，持续更新。。。

一文囊括Python中的有趣案例，持续更新。。。

一文囊括Python中的数据分析与绘图，持续更新。。。

一文囊括风控模型搭建(原理+Python实现)，持续更新。。。

限时免费进群

19967879837

添加微信号、手机号