关于Python中Inf与Nan的判断问题详解

最新推荐文章于 2025-11-06 14:25:43 发布

原创最新推荐文章于 2025-11-06 14:25:43 发布 · 6.3k 阅读

CC 4.0 BY-SA版权

本文探讨了Python中表示和判断正负无穷(inf)及非数字(NaN)的方法。详细解析了使用float()函数创建无穷与NaN值，并对比了is与==运算符在判断这些特殊浮点数时的行为差异。推荐使用math模块的math.isinf和math.isnan函数进行精确判断，同时介绍了通过对象自身判断和numpy模块判断NaN值的技巧。

部署运行你感兴趣的模型镜像

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：

>>> inf = float("inf")

>>> ninf = float("-inf")

>>> nan = float("nan")

>>> inf is inf

True

>>> ninf is ninf

True

>>> nan is nan

True

>>> inf == inf

True

>>> ninf == ninf

True

>>> nan == nan

False

>>> 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：

>>> 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

>>> def isnan(num):

... return num != num

...

>>> isnan(float("nan"))

True

用 numpy 模块的函数

>>> 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：

>>> 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。

您可能感兴趣的与本文相关的镜像

Python3.8

Conda

Python

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本