numpy学习——numpy的基本使用方式（三）

一、numpy中的nan和inf解释

1.nan和inf的解释

nan(NAN，Nan)，是英文not a number的缩写，表示不是一个数字
当读取本地数据的时候，如果数据有缺失，就会出现nan数据；
另外，当在数据进行计算时，出现了一个不合理或不存在无法判断的数字的时候，也会被认定为nan。
inf（-inf，inf），是英文infinity的缩写，inf表示正无穷，-inf表示负无穷
当一个数字除以0，在numpy中会出现inf或者-inf，但是在python的算法中会报错。

强调一下，nan和inf默认的type都是float

nan的几个注意点

①nan是不相等的，nan == nan结果是false
②nan和任何数计算结果都是nan
既然nan是不等于nan的，那当数组中存在这类数据，如何统计nan的个数呢？
举个简单的例子：

方法一：
a = np.random.randn(2,3)
a[1,1] = np.nan
print(a == a)
>>>[[ True  True  True]
 [ True False  True]]

#可以看到，false的位置即为nan的位置，那么直接统计false的个数就可以了
print(np.count_nonzero(a != a))  #count_nonzero方法统计的是不为0的数据的个数，这里即为统计的true
>>>1
#这样就统计到了nan的个数为1
方法二：
使用isnan的方法
a = np.random.randn(2,3)
a[1,1] = np.nan
print(np.isnan(a))
>>>[[False False False]
 [False  True False]]
可以得到类似的结果，然后再使用np.count_nonzero方法统计个数
print(np.count_nonzero(np.isnan(a)))
>>>1
 同样可以得出结果

二、numpy中的常用统计方法

numpy中的常用的统计函数

可以通过参数传轴来确定计算哪个方向的结果。