Python 中表示空数据使用 None，它是 NoneType 类型，如下所示：
In [59]: type(None)
Out[59]: NoneType
NoneType 类型没有对外公开属性和方法：
因此，None 比较容易理解，就是一种空类型。
但是使用过 NumPy 的肯定都会接触到 nan 这种类型，它的其他写法：NaN或 NAN，查看其类型却发现是 float 类型：
In [63]: type(np.nan)
Out[63]: float
这不免让人心生疑惑，nan 不是空数据，而是浮点数，那么到底等于多少？
原来这并不是NumPy特有的数值，而是IEEE754规定的特殊浮点数之一。
特殊在哪里？
这就要知道计算机是如何表示浮点数的，IEEE754 标准中规定 float 单精度浮点数，在机器中表示用 1 位表示数字的符号，用 8 位表示指数，用 23 位表示尾数，即小数部分，如下图所示：
关于浮点数表示更加详细的解释可参考下面链接，在此不详细展开：
对于单浮点数，指数部分由8位组成，所以取值范围：0到255，而指数等于0，255 这两个值，IEEE754 标准有特别的规定：
1. 当指数等于0，并且小数点后所有位全为 0，则这个数为 0
2. 当指数等于255，并且小数点后所有位全为 0，则这个数为无穷，当符号位为0时正无穷 float('inf')，当符号位为1时负无穷 float('-inf')
3. 当指数等于255，并且小数点后至少一位不为 0，规定此浮点数为 nan，表达的含义：not a number ，不是一个数
以上就是 NumPy 中 nan 的解释，弄清楚本质后，再来看几个关于它的运算。
既然 nan 不是一个数，所以拿它与任何浮点数比较，返回结果都是 False：
In [64]: np.nan < 0
Out[64]: False
In [65]: np.nan == np.nan
Out[65]: False
In [66]: np.nan < np.inf
Out[66]: False
找出 np.nan 出现的索引位置，可以使用 isnan 方法：\
In [67]: a = np.array([-9,np.nan,10,np.nan])
# 找出np.nan出现的索引
In [68]: a.where(np.isnan(a))
# 返回结果
# (array([1, 3]),)
往期精彩回顾
适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载机器学习的数学基础专辑
获取本站知识星球优惠券，复制链接直接打开：
https://t.zsxq.com/qFiUFMV
本站qq群704220115。
加入微信群请扫码：
