1. 在 Python 中判斷 NaN 的方法
什麼是 NaN？
NaN（Not a Number）是一種特殊的浮點數值，用來表示無效或未定義的數學運算結果。典型的例子包括除以零或其他無效的運算。在進行資料分析或數值處理時，必須特別留意 NaN 的存在。如果未正確處理 NaN，可能導致計算結果不正確，甚至程式無法如預期執行。
為什麼 NaN 判斷很重要？
如果資料集中含有 NaN，可能會影響資料的可信度或最終的運算結果。因此，首先判斷是否存在 NaN，並根據需求進行後續處理（如刪除、替換等）是非常重要的步驟。
2. 如何在 Python 中產生 NaN
在 Python 中，可以使用 float('nan') 來產生 NaN。這常用於明確表示數值運算中的無效結果。
num = float('nan')
print(num) # 結果: nan與 None 的差異
NaN 表示數值上的無效，而 None 則表示「沒有任何值」的狀態。None 可以使用 == 來進行比較，但 NaN 即使與自身比較，也會回傳 False，因此使用 == 來判斷 NaN 是不正確的。
num = float('nan')
print(num == num) # 結果: False
none_value = None
print(none_value == None) # 結果: True
3. 判斷 NaN 的方法
3.1. 使用標準函式庫判斷（math.isnan()）
若要使用 Python 的標準函式庫來判斷 NaN，可以使用 math.isnan()。此函式會在給定的值為 NaN 時回傳 True。
import math
num = float('nan')
print(math.isnan(num)) # 結果: True3.2. 使用 NumPy 判斷（numpy.isnan()）
NumPy 是一個專門處理陣列與矩陣運算的函式庫，提供 numpy.isnan() 函式來高效判斷陣列中是否存在 NaN。在數值分析與科學資料處理中經常使用。
import numpy as np
num_list = [1, 2, np.nan, 4]
print(np.isnan(num_list)) # 結果: [False False True False]3.3. 使用 pandas 判斷（pandas.isna()）
當處理資料框（DataFrame）時，可使用 pandas 的 isna() 或 isnull() 來判斷是否有 NaN。這些函式在資料清理與處理缺失值時非常有用。
import pandas as pd
import numpy as np
data = pd.Series([1, 2, np.nan, 4])
print(pd.isna(data)) # 結果: 0 False
# 1 False
# 2 True
# 3 False4. 刪除或替換 NaN 的方法
4.1. 從列表中刪除 NaN
若要從列表中刪除 NaN，可以結合 math.isnan() 與列表推導式來實現。
import math
num_list = [1, 2, float('nan'), 4]
clean_list = [num for num in num_list if not math.isnan(num)]
print(clean_list) # 結果: [1, 2, 4]4.2. 使用 pandas 刪除 NaN（dropna()）
若要從 DataFrame 中刪除 NaN，可以使用 dropna() 方法。此方法會移除包含 NaN 的列或欄位。
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': [1, 2, np.nan], 'B': [4, np.nan, 6]})
clean_df = df.dropna()
print(clean_df)4.3. 使用 pandas 替換 NaN（fillna()）
如果不想刪除 NaN，而是用特定的值來取代，可以使用 fillna() 方法。
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': [1, 2, np.nan], 'B': [4, np.nan, 6]})
df.fillna(0, inplace=True)
print(df)
5. 含有 NaN 的計算
若計算中包含 NaN，則最終結果也會是 NaN。因此，若想獲得正確結果，必須事先移除或替換 NaN。
import numpy as np
result = 10 + np.nan
print(result) # 結果: nan包含 NaN 的統計計算範例
當對包含 NaN 的資料集進行統計運算時，若希望忽略 NaN 來進行計算，可以使用 NumPy 的 nanmean() 函式。此函式會排除 NaN 後計算平均值。
import numpy as np
data = [1, 2, np.nan, 4]
mean = np.nanmean(data) # 忽略 NaN 進行平均值計算
print(mean) # 結果: 2.3333...6. 判斷 NaN 時的注意事項
6.1. 比較運算子的行為
NaN 有一個特殊性質：無論與其他數值或與自己比較，結果都會是不相等。因此，不能使用 == 或 != 來判斷 NaN，必須使用專用的函式，如 isnan() 或 isna()。
num = float('nan')
print(num == num) # 結果: False6.2. 資料清理時的重點
在進行資料分析時，如果資料中殘留 NaN，將無法進行正確的計算。這可能會扭曲分析結果，因此在處理前必須進行妥善的清理。透過適當地移除或替換 NaN，可以提升資料的準確性與可信度。
7. 總結
在 Python 中，我們可以透過 math、numpy、pandas 等工具，有效率地判斷與處理 NaN。了解如何正確處理 NaN，是進行資料分析與數值計算時不可或缺的基本知識，這項技能對各種程式開發領域都非常實用。