虽然我们可以评估：
In[2]: import numpy as np
In[3]: np.mean([1, 2, np.inf])
Out[3]: inf
以下结果更加繁琐：
In[4]: np.mean([1 + 0j, 2 + 0j, np.inf + 0j])
Out[4]: (inf+nan*j)
...\_methods.py:80: RuntimeWarning: invalid value encountered in cdouble_scalars
ret = ret.dtype.type(ret / rcount)
我不确定想象中的部分对我有意义。但如果我错了，请发表评论。
有关与numpy中复杂无穷大相互作用的任何见解？
答案 0 :(得分：4)
当您在数组中使用np.inf运行函数时，结果将是np.mean或np.max()等其他函数的无穷大对象。但在这种情况下计算mean()，因为你有复数和无穷大复数被定义为复杂平面中的无限数，其复杂参数是未知或未定义的，你＆＃ 39;重新获得non*j作为想象的部分。
为了解决这个问题，你应该忽略这些数学运算中的无穷大项。您可以使用isfinite()函数来检测它们并在有限项上应用该函数：
In [16]: arr = np.array([1 + 0j, 2 + 0j, np.inf + 0j])
In [17]: arr[np.isfinite(arr)]
Out[17]: array([ 1.+0.j, 2.+0.j])
In [18]: np.mean(arr[np.isfinite(arr)])
Out[18]: (1.5+0j)
答案 1 :(得分：3)
为了计算平均值，我们将总和除以实数。由于类型促销，这种划分会导致问题（见下文）。为避免类型提升，我们可以分别为总和的实部和虚部手动执行此除法：
n = 3
s = np.sum([1 + 0j, 2 + 0j, np.inf + 0j])
mean = np.real(s) / n + 1j * np.imag(s) / n
print(mean) # (inf+0j)
这个问题与numpy无关，而是与复杂分裂的执行方式有关。请注意((1 + 0j) + (2 + 0j) + (np.inf + 0j)) / (3+0j)也会导致(inf+nanj)。
结果需要分成真实和图像部分。对于除法，即使你除以实数，操作数也会被提升为复数。所以基本上这个部门是：
a + bj
--------
c + dj
divisoin操作不知道d=0。因此，要将结果拆分为实数和虚数，必须摆脱分母中的j。这是通过将分子和分母与复共轭相乘来实现的：
a + bj (a + bj) * (c - dj) ac + bd + bcj - adj
-------- = --------------------- = ---------------------
c + dj (c + dj) * (c - dj) c**2 + d**2
现在，如果a=inf和d=0这个词a * d * j = inf * 0 * j = nan * j。
答案 2 :(得分：1)
因为类型推广。
当您使用真实的(inf + 0j) / 2进行复合体划分时，（实际）除数会被提升为2 + 0j。
通过复数除法，虚部等于(0 * 2 - inf * 0) / 4。请注意这里的inf * 0是一个不确定的表单，它的计算结果为NaN。这使得虚部NaN。
回到主题。当numpy计算复杂数组的平均值时，它确实没有尝试做任何聪明的事情。首先，它通过＆＃34;添加＆＃34;来减少数组。操作，获得总和。之后，总和除以计数。这个总和在实部中包含inf，当除数（计数）从积分类型提升到复杂浮点时，会导致上述问题。
IEEE浮点＆＃34;无穷大＆＃34;是一个非常原始的构造，代表1 / 0之类的不确定形式。这些表单不是常数，而是可能的限制。特殊inf或NaN＆＃34;浮点数＆＃34;是占位符，通知您存在不确定形式。他们对限制的存在或类型一无所知，你必须通过数学语境来确定限制。
即使对于实数，基本限制也可能取决于您如何接近限制。肤浅的1 / 0形式可以转化为正或负无穷大。在复杂的平面上，事情变得更加复杂（好）。例如，您可能会遇到分支切割和（不同类型）奇点。没有适合所有人的通用解决方案。
Tl; dr：面对模糊/不完整/损坏的数据修复潜在问题，或证明最终计算结果可以抵御这种腐败（可能发生）。