关于Python中Inf与Nan的判断问题详解

这篇文章主要介绍了关于Python中Inf与Nan的判断问题，文中介绍的很详细，对大家具有一定的参考价值，有需要的朋友们下面来一起看看吧。

大家都知道 在Python 中可以用如下方式表示正负无穷：

?

1 2	float ( "inf" ) # 正无穷 float ( "-inf" ) # 负无穷

利用 inf(infinite) 乘以 0 会得到 not-a-number(NaN) 。如果一个数超出 infinite，那就是一个 NaN（not a number）数。在 NaN 数中，它的 exponent 部分为可表达的最大值，即 FF（单精度）、7FF（双精度）和 7FFF（扩展双精度）。 NaN 数与 infinite 数的区别是：infinite 数的 significand 部分为 0 值（扩展双精度的 bit63 位为 1）；而 NaN 数的 significand 部分不为 0 值。

我们先看看如下的代码：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27

>>> inf = float ( "inf" ) >>> ninf = float ( "-inf" ) >>> nan = float ( "nan" ) >>> inf is inf True >>> ninf is ninf True >>> nan is nan True >>> inf = = inf True >>> ninf = = ninf True >>> nan = = nan False >>> inf is float ( "inf" ) False >>> ninf is float ( "-inf" ) False >>> nan is float ( "nan" ) False >>> inf = = float ( "inf" ) True >>> ninf = = float ( "-inf" ) True >>> nan = = float ( "nan" ) False

如果你没有尝试过在 Python 中判断一个浮点数是否为 NaN，对以上的输出结果肯定会感到诧异。首先，对于正负无穷和 NaN 自身与自身用 is 操作，结果都是 True，这里好像没有什么问题；但是如果用 == 操作，结果却不一样了， NaN 这时变成了 False。如果分别用 float 重新定义一个变量来与它们再用 is 和 == 比较，结果仍然出人意料。出现这种情况的原因稍稍有些复杂，这里就不赘术了，感兴趣可以查阅相关资料。

如果你希望正确的判断 Inf 和 Nan 值，那么你应该使用 math 模块的 math.isinf 和 math.isnan 函数：

?

1 2 3 4 5 6 7 8 9 10 11 12 13

>>> import math >>> math.isinf(inf) True >>> math.isinf(ninf) True >>> math.isnan(nan) True >>> math.isinf( float ( "inf" )) True >>> math.isinf( float ( "-inf" )) True >>> math.isnan( float ( "nan" )) True

这样便准确无误了。既然我在谈论这个问题，就是再忠告：不要在 Python 中试图用 is 和 == 来判断一个对象是否是正负无穷或者 NaN。你就乖乖的用 math 模块吧，否则就是引火烧身。

当然也有别的方法来作判断，以下用 NaN 来举例，但仍然推荐用 math 模块，免得把自己弄糊涂。

用对象自身判断自己

?

1 2 3 4 5

>>> def isnan(num): ...  return num ! = num ... >>> isnan( float ( "nan" )) True

用 numpy 模块的函数

?

1 2 3 4 5 6 7 8

>>> import numpy as np >>> >>> np.isnan(np.nan) True >>> np.isnan( float ( "nan" )) True >>> np.isnan( float ( "inf" )) False

Numpy 的 isnan 函数还可以对整个 list 进行判断：

?

1 2 3 4 5

>>> lst = [ 1 , float ( "nan" ), 2 , 3 , np.nan, float ( "-inf" ), 4 , np.nan] >>> lst [ 1 , nan, 2 , 3 , nan, - inf, 4 , nan] >>> np.isnan(lst) array([ False , True , False , False , True , False , False , True ], dtype = bool )

这里的 np.isnan 返回布尔值数组，如果对应位置为 NaN，返回 True，否则返回 False。