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 infTrue>>> ninf is ninfTrue>>> nan is nanTrue>>> inf == infTrue>>> ninf == ninfTrue>>> nan == nanFalse>>> 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。
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作能带来一定的帮助，如果有疑问大家可以留言交流。
