了解NaN,判断该值是否为NaN

NaN 是一个表示非数字的值。
NaN 是属于数值(Number)类型。

如果 NaN 涉及数学运算(但不涉及位运算),结果通常也是 NaN。(参见下面的反例。)
当 NaN 是任何关系比较(>, <, >=, <=)的操作数之一时,结果总是 false。
NaN 不等于(通过 、!=、= 和 !==)任何其他值——包括与另一个 NaN 值。

NaN !== NaN  // true
NaN === NaN  // false
NaN > 0  // false
NaN < 1  // false
typeof NaN === 'number'  // true

有五种不同类型的操作返回 NaN

失败的数字转换(例如,显式转换,如 parseInt(“blabla”)、Number(undefined),或隐式转换,如 Math.abs(undefined))
计算结果不是实数的数学运算(例如,Math.sqrt(-1))
不定式(例如,0 * Infinity、1 ** Infinity、Infinity / Infinity、Infinity - Infinity)
一个操作数被强制转换为 NaN 的方法或表达式(例如,7 ** NaN、7 * “blabla”)——这意味着 NaN 具有传染性
将无效值表示为数字的其他情况(例如,无效的 Date new Date(“blabla”).getTime()、“”.charCodeAt(1))

判断是否为NaN

要判断一个值是否为 NaN,可以使用 Number.isNaN() 或 isNaN() 来最清楚地确定一个值是否为 NaN ——或者,因为 NaN 是唯一与自身不相等的值,所以你可以执行类似 x !== x 这样的自我比较。

isNaN() 和 Number.isNaN() 之间的区别:如果当前值是 NaN,或者将其强制转换为数字后将是 NaN,则前者将返回 true。而后者仅当值当前为 NaN 时才为 true:

简单来说就是 isNaN 是会进行一次转换的,转换的结果时NaN 也是true
isNaN("hello world"); // true
Number.isNaN("hello world"); // false

NaN !== NaN  // true !==  证明该值是NaN , NaN 是唯一与自身不相等的值

Object.is() 判断NaN
Object.is() 静态方法确定两个值是否为相同值。
Object.is(value1, value2) 要比较的两个value值

如果以下其中一项成立,则两个值相同:

都是 undefined
都是 null
都是 true 或者都是 false
都是长度相同、字符相同、顺序相同的字符串
都是相同的对象(意味着两个值都引用了内存中的同一对象)
都是 BigInt 且具有相同的数值
都是 symbol 且引用相同的 symbol 值
都是数字且
都是 +0
都是 -0
都是 NaN
都有相同的值,非零且都不是 NaN

Object.is(NaN, NaN)  // true
Object.is(NaN, 0 / 0); // true   0 / 0 等于 NaN
Object.is(NaN, Number.NaN); // true
Object.is(obj, {})  // false
Object.is(null, null); // true
Object.is(undefined, undefined); // true
  • 4
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 可以使用pandas库中的isnull()函数来判断dataframe中的某个值是否NaN。具体操作如下: 假设dataframe为df,要判断第一行第一列的值是否NaN,可以使用以下代码: ```python import pandas as pd # 创建一个dataframe df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, pd.np.nan]}) # 判断第一行第一列的值是否NaN if pd.isnull(df.iloc[, ]): print('第一行第一列的值为NaN') else: print('第一行第一列的值不为NaN') ``` 输出结果为: ``` 第一行第一列的值不为NaN ``` 如果将第一行第三列改为NaN,再运行上述代码,输出结果为: ``` 第一行第一列的值不为NaN ``` ### 回答2: 在使用Python中的pandas库操作数据时,经常需要判断某个值是否NaN(Not a Number)。NaN是不能被直接比较的特殊值,因此需要使用一些函数或方法来进行判断。 对于一个DataFrame数据结构,可以使用isnull()方法来返回每个元素是否NaN的布尔值。例如,对于以下的DataFrame数据结构: ``` import pandas as pd import numpy as np data = pd.DataFrame({'A': [1, 2, np.nan], 'B': [4, np.nan, np.nan], 'C': [7, 8, 9]}) print(data) ``` 输出为: ``` A B C 0 1.0 4.0 7 1 2.0 NaN 8 2 NaN NaN 9 ``` 我们要判断第二行第二列是否NaN,可以使用以下代码: ``` print(pd.isnull(data.iloc[1, 1])) ``` 输出为: ``` True ``` 其中,`iloc[1,1]`表示第二行第二列的元素,`pd.isnull()`即为判断该元素是否NaN的函数。如果该元素为NaN则返回True,否则返回False。 如果想判断整个数据集中是否NaN,则可以将`DataFrame.isnull()`方法作用于整个DataFrame: ``` print(data.isnull()) ``` 输出为: ``` A B C 0 False False False 1 False True False 2 True True False ``` 其中,False表示对应元素不是NaN,True表示对应元素是NaN。因此,可以通过求和的方式来判断整个DataFrame中是否NaN: ``` print(data.isnull().sum().sum()) ``` 输出为: ``` 3 ``` 即整个数据集中有3个NaN。 ### 回答3: 在Pandas中,可以使用isna()或者isnull()方法判断一个DataFrame中是否存在缺失值NaN。 首先,读入数据并创建一个DataFrame: ```python import pandas as pd data = {'A': [1, 2, 3, np.nan, 5], 'B': [6, np.nan, 8, np.nan, 10], 'C': [11, 12, np.nan, 14, 15]} df = pd.DataFrame(data) ``` 这里创建了一个3列5行的DataFrame,其中有两个缺失值NaN。 针对DataFrame中的每一个元素,isna()方法返回一个布尔值True或False。True表示该元素为缺失值NaN,False表示该元素不是缺失值NaN。 因此,我们可以使用df.isna()方法得到一个与df大小相同、元素值为True或False的DataFrame。其中,值为True的元素就是原DataFrame中的缺失值NaN。 ```python nan_df = df.isna() print(nan_df) ``` 执行上述代码,输出结果如下: ``` A B C 0 False False False 1 False True False 2 False False True 3 True True False 4 False False False ``` 从结果中可以看出,该DataFrame中的第4行第1列和第4行第2列为缺失值NaN,对应的输出结果中为True。其余值为False。 需要注意的是,isna()方法返回的DataFrame中包含的是布尔值True/False而不是数值上的NaN,因此要想得到缺失值的总数或者在某一列中缺失值的数量,还需要使用其他方法,比如sum()。 ```python # 每列缺失值数 print(df.isna().sum()) # 缺失值总数 print(df.isna().sum().sum()) ``` 这里第一个结果输出每一列中的缺失值数量,第二个结果输出缺失值的总数。 如果想要直接获取DataFrame中某列或某个元素是否为缺失值,也可以使用如下方法: ```python # 判断A列第4个元素是否为缺失值 print(pd.isna(df['A'][3])) # 判断B列是否有缺失值 print(df['B'].isna().any()) ``` 以上就是判断DataFrame中某值是否NaN的方法。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值