Numpy isnan（）在浮点数组上失败（适用于pandas数据框）

我有一个浮点数数组（一些正常数字，一些nans），它们是从对熊猫数据框的应用中得出的。

由于某种原因，numpy.isnan在此数组上失败，但是，如下所示，每个元素都是浮点数，numpy.isnan在每个元素上正确运行，变量的类型肯定是一个numpy数组。

这是怎么回事？！

set([type(x) for x in tester])
Out[59]: {float}

tester
Out[60]: 
array([-0.7000000000000001, nan, nan, nan, nan, nan, nan, nan, nan, nan,
   nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan,
   nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan,
   nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan,
   nan, nan], dtype=object)

set([type(x) for x in tester])
Out[61]: {float}

np.isnan(tester)
Traceback (most recent call last):

File "<ipython-input-62-e3638605b43c>", line 1, in <module>
np.isnan(tester)

TypeError: ufunc 'isnan' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

set([np.isnan(x) for x in tester])
Out[65]: {False, True}

type(tester)
Out[66]: numpy.ndarray

np.isnan 可以应用于本机dtype的NumPy数组（例如np.float64）：

In [99]: np.isnan(np.array([np.nan, 0], dtype=np.float64))
Out[99]: array([ True, False], dtype=bool)

但是在应用于对象数组时引发TypeError：

In [96]: np.isnan(np.array([np.nan, 0], dtype=object))
TypeError: ufunc 'isnan' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

由于您拥有Pandas，pd.isnull因此可以改用-它可以接受对象或本机dtypes的NumPy数组：

In [97]: pd.isnull(np.array([np.nan, 0], dtype=float))
Out[97]: array([ True, False], dtype=bool)

In [98]: pd.isnull(np.array([np.nan, 0], dtype=object))
Out[98]: array([ True, False], dtype=bool)

请注意，None在对象数组中也将其视为空值。

np.isnan（）和pd.isnull（）的绝佳替代品是

for i in range(0,a.shape[0]):
    if(a[i]!=a[i]):
       //do something here
       //a[i] is nan

因为只有nan不等于自己。

在@unutbu答案的顶部，您可以将pandas numpy对象数组强制转换为本机（float64）类型，沿线进行操作

import pandas as pd
pd.to_numeric(df['tester'], errors='coerce')

指定errors ='coerce'强制将无法解析为数字值的字符串变为NaN。列类型为dtype: float64，然后isnan检查是否可以使用

确保使用熊猫导入csv文件

import pandas as pd

condition = pd.isnull(data[i][j])