第Pandas如何處理DataFrame中的inf值目錄如何處理DataFrame的inf值DataFrame有關(guān)inf的處理技巧什么是inf？為什么會產(chǎn)生？產(chǎn)生inf有什么好處？產(chǎn)生inf有什么壞處？怎么處理？怎么獲取到inf的所在位置并進(jìn)行填補(bǔ)？

如何處理DataFrame的inf值

在用DataFrame計算變化率時，例如(今天-昨天)/昨天恰好為(2-0)/0時，這些結(jié)果數(shù)據(jù)會變?yōu)閕nf。

為了方便后續(xù)處理，可以利用numpy，將這些inf值進(jìn)行替換。

1.將某1列（series格式）中的inf替換為數(shù)值。

importnumpyasnp

df['Col'][np.isinf(df['Col'])]=-1

2.將某1列（series格式）中的inf替換為NA值。

importnumpyasnp

df['Col'][np.isinf(df['Col'])]=np.nan

3.將整個DataFrame中的inf替換為數(shù)值（空值同理）。#感謝評論區(qū)的補(bǔ)充

importnumpyasnp

df.replace(np.inf,-1)#替換正inf為-1

#替換正負(fù)inf為NA，加inplace參數(shù)

df.replace([np.inf,-np.inf],np.nan,inplace=True)

DataFrame有關(guān)inf的處理技巧

numpy中inf的相關(guān)文檔

什么是inf？

IEEE754浮點表示（正）無窮大。

為什么會產(chǎn)生？

np.NINF

np.inf

np.log(0)

np.array([1,2])/0#碰到的最多的情況

array([inf,

inf])

產(chǎn)生inf有什么好處？

目前沒看到有什么好處，只是單純用inf表示無窮大，方便理解和表示。

產(chǎn)生inf有什么壞處？

對用戶而言，對inf需要特殊處理，加大了工作量。

為什么需要特殊處理？因為許多機(jī)器學(xué)習(xí)算法庫并不支持對inf的處理。

怎么處理？

常見的處理方法：

不處理替換

怎么獲取到inf的所在位置并進(jìn)行填補(bǔ)？

isinf：顯示哪些元素為正或負(fù)無窮大isposinf：顯示哪些元素為正無窮大isneginf：顯示哪些元素為負(fù)無窮大isnan：顯示哪些元素不是數(shù)字isfinite：顯示哪些元素是有限的（不是非數(shù)字，正無窮大和負(fù)無窮大中的一個）

'''

np.isinf(np.inf)#其他函數(shù)同理使用，isinf使用最多。

np.isinf(np.array([1,np.inf]))

array([False,

True],dtype=bool)

np.isinf(pd.DataFrame(np.array([1,np.inf])))

0

0

False

1

True

s1=pd.Series([1,2,3,np.inf])

0

1.0

1

2.0

2

3.0

3

NaN

dtype:float64

#對inf填補(bǔ)999

s1[np.isinf(s1)]=999

0

1.0

1

2.0

2

3.0

3

999.0

dtype:float64

#對inf填補(bǔ)np.nan(較為常用)

s1[np.isinf(s1)]=np.nan

0