NumPy NumPy参考

• 数组对象
• 常数
• 通用功能（ufunc）
• 例行程序
•    数组创建例程
•    数组操作例程
•    Binary operations
•    String operations
•    C-Types Foreign Function Interface (numpy.ctypeslib)
•    Datetime Support Functions
•    Data type routines
•    Optionally Scipy-accelerated routines (numpy.dual)
•    Mathematical functions with automatic domain (numpy.emath)
•    Floating point error handling
•    Discrete Fourier Transform (numpy.fft)
•    Financial functions
•    Functional programming
•    NumPy-specific help functions
•    Indexing routines
•    输入输出
•    线性代数（numpy.linalg）
•    逻辑功能
•    Mathematical functions
•          numpy.sin
•          numpy.cos
•          numpy.tan
•          numpy.arcsin
•          numpy.arccos
•          numpy.arctan
•          numpy.hypot
•          numpy.arctan2
•          numpy.degrees
•          numpy.radians
•          numpy.unwrap
•          numpy.deg2rad
•          numpy.rad2deg
•          numpy.sinh
•          numpy.cosh
•          numpy.tanh
•          numpy.arcsinh
•          numpy.arccosh
•          numpy.arctanh
•          numpy.around
•          numpy.round_
•          numpy.rint
•          numpy.fix
•          numpy.floor
•          numpy.ceil
•          numpy.trunc
•          numpy.prod
•          numpy.sum
•          numpy.nanprod
•          numpy.nansum
•          numpy.cumprod
•          numpy.cumsum
•          numpy.nancumprod
•          numpy.nancumsum
•          numpy.diff
•          numpy.ediff1d
•          numpy.gradient
•          numpy.cross
•          numpy.trapz
•          numpy.exp
•          numpy.expm1
•          numpy.exp2
•          numpy.log
•          numpy.log10
•          numpy.log2
•          numpy.log1p
•          numpy.logaddexp
•          numpy.logaddexp2
•          numpy.i0
•          numpy.sinc
•          numpy.signbit
•          numpy.copysign
•          numpy.frexp
•          numpy.ldexp
•          numpy.nextafter
•          numpy.spacing
•          numpy.lcm
•          numpy.gcd
•          numpy.add
•          numpy.reciprocal
•          numpy.positive
•          numpy.negative
•          numpy.multiply
•          numpy.divide
•          numpy.power
•          numpy.subtract
•          numpy.true_divide
•          numpy.floor_divide
•          numpy.float_power
•          numpy.fmod
•          numpy.mod
•          numpy.modf
•          numpy.remainder
•          numpy.divmod
•          numpy.angle
•          numpy.real
•          numpy.imag
•          numpy.conj
•          numpy.conjugate
•          numpy.convolve
•          numpy.clip
•          numpy.sqrt
•          numpy.cbrt
•          numpy.square
•          numpy.absolute
•          numpy.fabs
•          numpy.sign
•          numpy.heaviside
•          numpy.maximum
•          numpy.minimum
•          numpy.fmax
•          numpy.fmin
•          numpy.nan_to_num
•          numpy.real_if_close
•          numpy.interp
•    Matrix library (numpy.matlib)
•    Miscellaneous routines
•    Padding Arrays
•    Polynomials
•    Random sampling (numpy.random)
•    Set routines
•    Sorting, searching, and counting
•    Statistics
•    Test Support (numpy.testing)
•    Window functions
• Packaging (numpy.distutils)
• NumPy Distutils - Users Guide
• NumPy C-API
• NumPy内部
• NumPy和SWIG

numpy.nan_to_num（x，copy = True，nan = 0.0，posinf = None，neginf = None ）[源代码] ¶

将NaN替换为零和无穷大的有限数字（默认行为）或用户使用nan， posinf和/或neginf关键字定义的数字。

如果x不精确，NaN会被零或nan关键字中用户定义的值 替换，infinity被posinf关键字中x.dtype用户定义的值表示或可由用户定义的值表示的最大有限浮点值替换，而-infinity被最负的有限值 替换可以由neginf关键字中的用户定义的值表示或由用户定义的值表示的浮点值。x.dtype

对于复数dtype，以上内容分别应用于x的每个实部和虚部。

如果x不精确，则不进行替换。

参量

x 标量或array_like

输入数据。

复制布尔，可选

是创建x的副本（True）还是就地替换值（False）。仅当强制转换为数组不需要副本时才执行就地操作。默认值为True。

1.13版中的新功能。

nan int，float，可选

用于填充NaN值的值。如果未传递任何值，则NaN值将替换为0.0。

1.17版中的新功能。

posinf int，浮点型，可选

用于填充正无穷大值的值。如果未传递任何值，则正无穷大值将替换为非常大的数字。

1.17版中的新功能。

neginf int，float，可选

用于填充负无穷大值的值。如果未传递任何值，则负无穷大值将替换为非常小的（或负的）数字。

1.17版中的新功能。

退货

出ndarray

x，用非限定值替换。如果copy为False，则可能是x本身。

也可以看看

isinf

显示哪些元素是正无穷大或负无穷大。

isneginf

显示哪些元素为负无穷大。

isposinf

显示哪些元素为正无穷大。

isnan

显示哪些元素不是数字（NaN）。

isfinite

显示哪些元素是有限的（不是NaN，不是无限）

笔记

NumPy使用IEEE算术二进制浮点标准（IEEE 754）。这意味着非数字不等于无穷大。

例子

>>> np.nan_to_num(np.inf)
1.7976931348623157e+308
>>> np.nan_to_num(-np.inf)
-1.7976931348623157e+308
>>> np.nan_to_num(np.nan)
0.0
>>> x = np.array([np.inf, -np.inf, np.nan, -128, 128])
>>> np.nan_to_num(x)
array([ 1.79769313e+308, -1.79769313e+308,  0.00000000e+000, # may vary
       -1.28000000e+002,  1.28000000e+002])
>>> np.nan_to_num(x, nan=-9999, posinf=33333333, neginf=33333333)
array([ 3.3333333e+07,  3.3333333e+07, -9.9990000e+03, 
       -1.2800000e+02,  1.2800000e+02])
>>> y = np.array([complex(np.inf, np.nan), np.nan, complex(np.nan, np.inf)])
array([  1.79769313e+308,  -1.79769313e+308,   0.00000000e+000, # may vary
     -1.28000000e+002,   1.28000000e+002])
>>> np.nan_to_num(y)
array([  1.79769313e+308 +0.00000000e+000j, # may vary
         0.00000000e+000 +0.00000000e+000j,
         0.00000000e+000 +1.79769313e+308j])
>>> np.nan_to_num(y, nan=111111, posinf=222222)
array([222222.+111111.j, 111111.     +0.j, 111111.+222222.j])