NaN 和 inf 是什么？为什么 np.nan == np.nan 是 False？怎么判断和处理？

概念：

• NaN（Not a Number）：表示缺失或非法的数值，如 0/0、np.nan。任何含 NaN 的算术结果都会"传染"成 NaN。
• inf（无穷大）：1/0 得正无穷，-1/0 得负无穷。

为什么 `np.nan == np.nan` 是 False： 这是 IEEE 754 浮点标准的规定——NaN 不等于任何值（包括它自己）。设计意图是"NaN 是未知数，未知数之间无法判断相等"。所以：

import numpy as np
np.nan == np.nan      # False（别用 == 判断）
np.isnan(np.nan)      # True（正确姿势）

判断与处理：

a = np.array([1.0, np.nan, np.inf, -np.inf, 2.0])
np.isnan(a)               # 找 NaN -> [F, T, F, F, F]
np.isinf(a)               # 找无穷  -> [F, F, T, T, F]
np.isfinite(a)            # 找有限值 -> [T, F, F, F, T]

# 替换
np.nan_to_num(a)          # NaN->0, inf->大数（默认 1.797e308）

# 含 NaN 的聚合：用 nan 版本，自动跳过 NaN
np.nanmean(a)  np.nansum(a)  np.nanmax(a)  np.nanstd(a)

# 处理缺失：删掉
a[np.isfinite(a)]

常见坑：

1. np.mean(a) 含 NaN 时结果是 NaN——要么先 a = a[np.isfinite(a)]，要么用 np.nanmean。

2. 读数据后先 np.isnan(x).sum() 检查缺失量，再决定填充还是删除。

3. 数据标准化前不清理 NaN，所有统计量都会变 NaN。