float('nan')导致Nan（不是数字）。但我该如何检查呢？应该很容易，但我找不到它。
答案 0 :(得分：954)
检查浮点数x是否为NaN（不是数字）。 NaN是IEEE 754标准的一部分。操作类似于但不限于inf * 0，inf / inf或涉及NaN的任何操作，例如， nan * 1，返回NaN。
2.6版中的新功能。
>>> import math
>>> x=float('nan')
>>> math.isnan(x)
True
>>>
答案 1 :(得分：277)
测试NaN的常用方法是查看它是否与自身相同：
def isNaN(num):
return num != num
答案 2 :(得分：112)
numpy.isnan(number)告诉您Python 2.5中是否为NaN。
答案 3 :(得分：24)
我实际上只是碰到了这个，但对我来说，它正在检查nan，-inf或inf。我刚用过
if float('-inf') < float(num) < float('inf'):
这对于数字来说是正确的，对于nan和两个inf都是假的，并且会为字符串或其他类型（这可能是一件好事）引发异常。此外，这不需要导入任何像math或numpy这样的库（numpy非常大，它可以使任何已编译的应用程序的大小翻倍）。
答案 4 :(得分：21)
这是一个使用答案的答案：
float('nan') np.nan 这是：
import numpy as np
def is_nan(x):
return (x is np.nan or x != x)
还有一些例子：
values = [float('nan'), np.nan, 55, "string", lambda x : x]
for value in values:
print "{:<8} : {}".format(repr(value), is_nan(value))
输出：
nan : True
nan : True
55 : False
'string' : False
<function <lambda> at 0x000000000927BF28> : False
答案 5 :(得分：20)
或将数字与自身进行比较。 NaN始终是！= NaN，否则（例如，如果 是一个数字），比较应该成功。
答案 6 :(得分：17)
另一种方法，如果你坚持使用＆lt; 2.6，你没有numpy，并且你没有IEEE 754支持：
def isNaN(x):
return str(x) == str(1e400*0)
答案 7 :(得分：12)
似乎正在检查它是否与自己相等
x!=x
是最快的。
import pandas as pd
import numpy as np
import math
x = float('nan')
%timeit x!=x
44.8 ns ± 0.152 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)
%timeit math.isnan(x)
94.2 ns ± 0.955 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)
%timeit pd.isna(x)
281 ns ± 5.48 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
%timeit np.isnan(x)
1.38 µs ± 15.7 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
答案 8 :(得分：10)
我输入这篇文章，因为我的功能存在一些问题：
math.isnan()
运行此代码时出现问题：
a = "hello"
math.isnan(a)
它引发异常。 我的解决方案是再次检查：
def is_nan(x):
return isinstance(x, float) and math.isnan(x)
答案 9 :(得分：8)
使用python＆lt; 2.6我最终得到了
def isNaN(x):
return str(float(x)).lower() == 'nan'
这适用于Solaris 5.9机器上的python 2.5.1和Ubuntu 10上的python 2.6.5
答案 10 :(得分：7)
import pandas as pd
import numpy as np
import math
#For single variable all three libraries return single boolean
x1 = float("nan")
print(f"It's pd.isna : {pd.isna(x1)}")
print(f"It's np.isnan : {np.isnan(x1)}")
print(f"It's math.isnan : {math.isnan(x1)}")
输出
It's pd.isna : True
It's np.isnan : True
It's math.isnan : True
答案 11 :(得分：4)
我从网络服务接收数据，该服务将NaN作为字符串'Nan'发送。但是我的数据中可能还有其他类型的字符串，因此简单的float(value)可能会抛出异常。我使用了接受答案的以下变体：
def isnan(value):
try:
import math
return math.isnan(float(value))
except:
return False
要求：
isnan('hello') == False
isnan('NaN') == True
isnan(100) == False
isnan(float('nan')) = True
答案 12 :(得分：3)
判断变量是NaN还是None的所有方法：
无类型
In [1]: from numpy import math
In [2]: a = None
In [3]: not a
Out[3]: True
In [4]: len(a or ()) == 0
Out[4]: True
In [5]: a == None
Out[5]: True
In [6]: a is None
Out[6]: True
In [7]: a != a
Out[7]: False
In [9]: math.isnan(a)
Traceback (most recent call last):
File "<ipython-input-9-6d4d8c26d370>", line 1, in <module>
math.isnan(a)
TypeError: a float is required
In [10]: len(a) == 0
Traceback (most recent call last):
File "<ipython-input-10-65b72372873e>", line 1, in <module>
len(a) == 0
TypeError: object of type 'NoneType' has no len()
NaN类型
In [11]: b = float('nan')
In [12]: b
Out[12]: nan
In [13]: not b
Out[13]: False
In [14]: b != b
Out[14]: True
In [15]: math.isnan(b)
Out[15]: True
答案 13 :(得分：2)
在Python 3.6中，检查字符串值x math.isnan（x）和np.isnan（x）会引发错误。 所以我无法检查给定的值是否为NaN，如果我事先不知道它是一个数字。 以下似乎可以解决这个问题
if str(x)=='nan' and type(x)!='str':
print ('NaN')
else:
print ('non NaN')
答案 14 :(得分：1)
如果您在迭代器中包含混合类型，则可以使用不使用numpy的解决方案：
from math import isnan
Z = ['a','b', float('NaN'), 'd', float('1.1024')]
[x for x in Z if not (
type(x) == float # let's drop all float values…
and isnan(x) # … but only if they are nan
)]
['a', 'b', 'd', 1.1024]
短路评估意味着isnan不会在非'float'类型的值上调用，因为（False and …会迅速评估为False，而不必评估正确的-手侧。
答案 15 :(得分：0)
对于float类型的nan
>>> import pandas as pd
>>> value = float(nan)
>>> type(value)
>>> <class 'float'>
>>> pd.isnull(value)
True
>>>
>>> value = 'nan'
>>> type(value)
>>> <class 'str'>
>>> pd.isnull(value)
False
答案 16 :(得分：0)
比较 pd.isna、math.isnan 和 np.isnan 及其处理不同类型对象的灵活性。
下表显示了是否可以使用给定的方法检查对象的类型：
+------------+-----+---------+------+--------+------+
| Method | NaN | numeric | None | string | list |
+------------+-----+---------+------+--------+------+
| pd.isna | yes | yes | yes | yes | yes |
| math.isnan | yes | yes | no | no | no |
| np.isnan | yes | yes | no | no | yes | <-- # will error on mixed type list
+------------+-----+---------+------+--------+------+
pd.isna检查不同类型缺失值的最灵活方法。
没有一个答案涵盖 pd.isna 的灵活性。虽然 math.isnan 和 np.isnan 将为 True 值返回 NaN，但您无法检查不同类型的对象，例如 None 或字符串。这两种方法都会返回错误，因此检查混合类型的列表会很麻烦。这 while pd.isna 是灵活的，将为不同类型的类型返回正确的布尔值：
In [1]: import pandas as pd
In [2]: import numpy as np
In [3]: missing_values = [3, None, np.NaN, pd.NA, pd.NaT, '10']
In [4]: pd.isna(missing_values)
Out[4]: array([False, True, True, True, True, False])
答案 17 :(得分：-1)
对于熊猫字符串，请输入pd.isnull：
if not pd.isnull(atext):
for word in nltk.word_tokenize(atext):
作为NLTK特征提取的功能
def act_features(atext):
features = {}
if not pd.isnull(atext):
for word in nltk.word_tokenize(atext):
if word not in default_stopwords:
features['cont({})'.format(word.lower())]=True
return features