NumPy（Numerical Python）是一个用于科学计算的库，它提供了对多维数组（例如矩阵）和一系列数学函数的支持。NumPy 中包含了处理 NaN（Not-a-Number）和 Inf（Infinity）等特殊值的功能。本文主要介绍一下Python Pandas NumPy 中 NaN（Not-a-Number）和 Inf（Infinity）常用赋值替换删除的处理方法，以及示例代码。
1、NaN（Not-a-Number）
NaN 是一个特殊的浮点数值，表示一个不是有效数字的值。它通常用于表示缺失的数据或不可计算的结果。
例如，
import numpy as np # 创建一个包含 NaN 的数组 arr = np.array([3.0, 4.0, np.nan, 6.0]) print(arr) # 将数组中的值赋值为 NaN # np.nan为特殊的浮点数值，如数组中的值为整型，则是不能赋值的 arr[0] = np.nan print(arr)
1）通过where方法和isnan方法查找Nan行和列
使用示例：
2）数据处理
使用示例：
3）删除有Nan的行
使用示例：
2、Inf（Infinity）
Inf 表示正无穷大或负无穷大，通常是在数学计算中产生的结果。
例如，
import numpy as np # 创建一个包含 Infinity 的数组 arr = np.array([3.0, 4.0, np.inf, -np.inf]) print(arr)
1）通过where方法和isinf方法查找Inf行和列
使用示例：
2）数据处理
使用示例：
3）删除有Inf的行
使用示例：
注意：np.inf和np.nan的处理方法基本相同，注意调用处理时方法名。None是Python中用于标识空缺数据，Nan是nunpy和pandas中用于标识空缺数据，None是一个Python特殊的数据类型， 但是NaN却是用一个特殊的float。