Question

将Python中的nan插入到一个复杂的numpy数组中会产生一些（对我而言）意外的行为：

a = np.array([5+6*1j])
print a
array([5.+6.j])

a[0] = np.nan
print a
array([nan+0.j])

我希望Python编写nan+nanj.来进行分析通常并不重要，因为np.isnan包含实部和/或虚部的任何复合物均为True。但是，我不知道其行为，在绘制数组的实部和虚部时，给我的印象是我了解虚部的信息（但是没有）。一种解决方法是编写a[0] = np.nan + np.nan*1j。有人可以向我解释这种行为的原因吗？

Answer 1

这里的问题是当您创建具有复杂值的数组时：

a = np.array([5+6*1j])

您已经创建了dtype个复杂数组：

a.dtype
# dtype('complex128')

因此，通过添加仅包含实部的值，它将被转换为复数，因此您将插入一个复数等于0j的数字，因此：

np.complex(np.nan)
# (nan+0j)

哪个会解释这种行为：

a[0] = np.array([np.nan])
print(a)    
# [nan+0.j]

Answer 2

它可能与nan的numpy表示有关：

NumPy将IEEE标准用于算术二进制浮点（IEEE 754）。这意味着“非数字”不等于无限。

基本上np.nan是float。通过设置x[0] = np.nan，可以将其值设置为“实数”浮点数（但不更改数组的dtype，后者仍然很复杂），因此虚部保持不变，为0j。

这也解释了为什么您可以通过执行np.nan * 0j

来更改虚部

具有复杂数组的Python楠

2 个答案: