1. python中怎麼判斷一個浮點數是NaN
>>> a == 'NaN'
False
>>> a == nan
False
>>> a == float('NaN')
False
>>> isNaN(a)
Traceback (most recent call last):
File "<stdin>", line 1, in <mole>
NameError: name 'isNaN' is not defined
以上幾種方法，都可以試一下
2. python numpy 判斷ndarray 中是否有 nan
importnumpyasnp
data=np.array([1,2,3,np.nan,4,np.nan])
#獲得一個bool數組
np.isnan(data)
#array([False,False,False,True,False,True],dtype=bool)
#這樣可以獲得nan的數量
np.isnan(data).sum()
#2
3. 資料庫中的空值與NULL的區別以及python中的NaN和None
null表示：不可用、未賦值、不知道、不適用，它既不是0也不是空格。記住：一個數值與null進行四則運算，其結果是null
空值和null的區別在於，在做count計算的時候：count(field_name)，field_name的值為空值也會被計算在裡面（這一行統計有效），而null不會
python有兩種方式獲取數據：
1.
一種是把數據從mysql
中導出到txt或者csv，然後本地讀取；
2.
另一種是python直接鏈接資料庫，讀取數據；
第一種把數據從mysql導出後，python讀取時，空值和null在文件中都為null；python讀取之後為nan
第二種鏈接資料庫後，python能讀取表結構，資料庫的null對應列表中的none以及pandas中的nan（如果欄位類型是時間，則為nat）。而資料庫中的空字元，則被識別為空字元。
4. python 在pandas中的 nan 怎麼樣在計算時當 0 與鄰列相加
Pandas基於兩種數據類型：series與dataframe。
一個series是一個一維的數據類型，其中每一個元素都有一個標簽。如果你閱讀過這個系列的關於Numpy的文章，你就可以發現series類似於Numpy中元素帶標簽的數組。
其中，標簽可以是數字或者字元串。
一個dataframe是一個二維的表結構。
Pandas的dataframe可以存儲許多種不同的數據類型，並且每一個坐標軸都有自己的標簽，可以把它想像成一個series的字典項。
5. 在使用python中的concat 函數時,有一個數據顯示nan 是怎麼回事
說明你的樣本數據中有nan值，通常是因為原始數據中包含空字元串或None值引起的。
解決辦法是把樣本數據中包含nan值的數據剔除，
或者如果樣本數據都是數值的話可以把nan值都改成0。
6. Python 為什麼不定義 NaN
有 None 就可以了，任何類型(number， list， dict等） 都可以用 None 來表示一個無效的值
沒必要用 NaN 來專門表示 not a number
7. python怎麼判斷numpy.ndarray 是否空
import numpy as np
data = np.array([1,2,3,np.nan,4,np.nan])
# 獲得一個bool數組
np.isnan(data)
# array([False, False, False, True, False, True], dtype=bool)
# 這樣可以獲得nan的數量
np.isnan(data).sum()
8. 資料庫中的空值與NULL的區別以及python中的NaN和None
NULL表示：不可用、未賦值、不知道、不適用，它既不是0也不是空格。記住：一個數值與NULL進行四則運算，其結果是NULL
空值和NULL的區別在於，在做count計算的時候：count(field_name)，field_name的值為空值也會被計算在裡面（這一行統計有效），而NULL不會
python有兩種方式獲取數據：
1. 一種是把數據從MySQL中導出到txt或者csv，然後本地讀取；
2. 另一種是python直接鏈接資料庫，讀取數據；
第一種把數據從MYSQL導出後，python讀取時，空值和NULL在文件中都為NULL；Python讀取之後為NaN
第二種鏈接資料庫後，python能讀取表結構，資料庫的NULL對應列表中的None以及pandas中的NaN（如果欄位類型是時間，則為NaT）。而資料庫中的空字元，則被識別為空字元。
9. python數據處理怎麼篩選掉nan空值
既然我們認為空值和空格都代表無數據，那麼可以先得到這兩種情況下的布爾數組。
這里，我們的DataFrame類型的數據集為df，其中有一個變數VIN，那麼取得空值和空格的布爾數組為NONE_VIN。然後通過該布爾數組，就能得到我們要的數據了
NONE_VIN = (df["VIN"].isnull()) | (df["VIN"].apply(lambda x: str(x).isspace()))
df_null = df[NONE_VIN]
df_not_null = df[~NONE_VIN]