Matlab学习笔记8——nan

·

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

NaN

创建所有值均为 NaN 的数组

---

语法说明及使用

X = NaN

说明

X = NaN 返回“非数字”的标量表示形式。如果运算有未定义的数值结果，如 0/0 或 0*Inf，则运算返回 NaN。

X = NaN(n)

说明

X = NaN(n) 返回 NaN 值的 n×n 矩阵。

示例

由 NaN 值组成的矩阵
创建一个由 NaN 值组成的 3×3 矩阵。

X = NaN(3)

X = 3×3

NaN NaN NaN
NaN NaN NaN
NaN NaN NaN

X = NaN(sz1,…,szN)

说明

X = NaN(sz1,…,szN) 返回由 NaN 值组成的 sz1×…×szN 数组，其中 sz1,…,szN 指示每个维度的大小。例如：NaN(3,4) 返回一个 3×4 的矩阵。

示例

由 NaN 值组成的三维数组
创建一个由 NaN 值组成的 2×3×4 数组并显示其大小。

X = NaN(2,3,4);
size(X)

ans = 1×3

 2     3     4

X = NaN(sz)

说明

X = NaN(sz) 返回 NaN 值的数组，其中大小向量 sz 定义 size(X)。例如：NaN([3 4]) 返回一个 3×4 的矩阵。

示例

根据现有数组克隆大小
创建一个由 NaN 值组成的、大小与现有数组相同的数组。

A = [1 4; 2 5; 3 6];
sz = size(A);
X = NaN(sz)

X = 3×2

NaN NaN
NaN NaN
NaN NaN

通常可以将前两行代码合并成一行：

X = NaN(size(A));

X = NaN(,typename) 、X = NaN(,‘like’,p)

说明

X = NaN(___,typename) 返回由数据类型为 typename（可以是 ‘single’ 或 ‘double’）的 NaN 值组成的数组。

示例

指定 NaN 值的数据类型
创建一个由元素类型为 single 的 NaN 值组成的 1×3 向量。

X = NaN(1,3,'single')

X = 1x3 single row vector

NaN NaN NaN

您也可以根据另一个变量的类型指定输出类型。创建一个类型为 single 的变量 p。然后，创建一个由 NaN 值组成的向量，其大小和类型与 p 相同。

p = single([1 2 3]);
X = NaN(size(p),'like',p)

X = 1x3 single row vector

NaN NaN NaN

输入参数

n - 方阵的大小
整数
方阵的大小，指定为整数。

如果 n 为 0，则 X 为空矩阵。

如果 n 为负数，则将其视为 0。

数据类型： double | single | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

sz1,…,szN - 列表中每个维度的大小
整数
列表中每个维度的大小，指定为单独的整数参数。

如果任一维度的大小为 0，则 X 为空数组。

如果任一维度的大小为负值，则其将被视为 0。

对于第二个维度以上的维度，NaN 忽略长度为 1 的尾部维度。例如，NaN(3,1,1) 创建一个由 NaN 值组成的 3×1 向量。

数据类型： double | single | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

sz - 向量中每个维度的大小
由整数组成的行向量
向量中每个维度的大小，指定为由整数组成的行向量。

如果任一维度的大小为 0，则 X 为空数组。

如果任一维度的大小为负值，则其将被视为 0。

对于第二个维度以上的维度，NaN 忽略长度为 1 的尾部维度。例如，NaN([3 1 1]) 创建一个由 NaN 值组成的 3×1 向量。

数据类型： double | single | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

typename - 数据类型
‘double’ （默认） | single’
要创建的数据类型，指定为 ‘double’ 或 ‘single’。

p - 数组的原型
数组
要创建的数组的原型，指定为数组。
数据类型： double | single
复数支持： 是

---

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。