Julia中isnan未过滤全部NaN求助：结果仍出现NaN

问题分析 #

你当前的代码通过sum(map(isinf,sim)) + sum(map(isnan,sim)) == 0判断是否将sim累加到X中，但偶尔仍会在X中出现NaN，核心可能出在判断逻辑的健壮性或隐性浮点数运算问题上。

具体排查与修复步骤 #

1. 替换为更可靠的有限数判断
   原判断逻辑依赖求和后比较，虽然逻辑上成立，但sum遇到NaN时会直接返回NaN，此时NaN == 0为false（虽不会执行累加），但用all(isfinite, sim)可以更直接、高效地检查数组所有元素是否为有限数（非NaN、非Inf），代码更易读且健壮：

   X = zeros(size(prices)[2]) #X is an 8x1 Vector{Float64}
   
   nonan = 0
   for p in 1:averaging_iterations #averaging iterations = 50
       nonan += 1
       sim = simulate(prices,ideal_transform,picks,s_LEN,chosen_dists,prediction_length,cops); #generates an 8x1 Vector{Float64}
       if all(isfinite, sim)
           X .+= sim
       else
           nonan -= 1
       end
   end
   X ./= max(nonan,1)
   

2. 添加调试输出定位问题
   在判断分支中加入打印，确认是否有漏判的sim被累加，或是sim本身存在隐性问题：

   if all(isfinite, sim)
       X .+= sim
   else
       nonan -= 1
       println("Iteration $p: Invalid sim detected: $sim")
       println("Current X state: $X")
   end
   

   这样可以直观看到是sim确实存在未被检测的异常，还是X在累加过程中因其他原因产生NaN。

3. 排查浮点数运算隐性问题
   若调试中确认sim均为有限数但X仍出现NaN，需检查：

   • simulate函数返回的数值是否存在极端值，累加时触发浮点数溢出（虽溢出通常产生Inf而非NaN，但需确认）；
   • X的初始类型是否正确，确保是Float64而非其他可能引发运算异常的类型。

额外建议 #

若替换判断逻辑后仍存在问题，建议提供simulate函数的核心代码片段，以便进一步排查内部是否存在延迟赋值、异步操作等导致sim在判断后被修改的情况。

内容的提问来源于stack exchange，提问作者Ethan Leonard