如何在MATLAB中查找矩阵中NaN的位置？

针对大规模矩阵，推荐用NumPy来高效定位NaN的位置，它的向量化操作比循环遍历快得多，适合处理大尺寸数据。

核心步骤（NumPy实现） #

1. 用np.isnan()生成与原矩阵同形状的布尔矩阵，标记出所有NaN的位置；
2. 用np.where()提取布尔矩阵中True值对应的行、列索引；
3. 若需要1-based的坐标（如示例中的(2,5)），给索引加1即可。

代码示例 #

import numpy as np

# 模拟大规模矩阵（这里以1000x1000为例）
large_matrix = np.random.rand(1000, 1000)
large_matrix[1, 4] = np.nan  # 对应1-based的(2,5)位置

# 获取0-based的NaN索引
row_idx, col_idx = np.where(np.isnan(large_matrix))

# 转换为1-based的坐标列表
nan_positions = list(zip(row_idx + 1, col_idx + 1))

print(nan_positions)  # 输出: [(2, 5)]

Pandas场景补充（如果矩阵是DataFrame格式） #

如果你的数据是Pandas DataFrame，也可以用类似逻辑快速定位：

import pandas as pd

df = pd.DataFrame(large_matrix)
# 直接提取NaN的位置并转换为1-based坐标
nan_positions = [(i+1, j+1) for i, j in df.isna().stack()[lambda x: x].index]

print(nan_positions)

注意事项 #

• NumPy默认是0-based索引，所以必须加1才能得到示例中的(行号,列号)格式；
• 对于超大规模矩阵（如百万级元素），NumPy的向量化操作能避免循环带来的性能瓶颈，效率远高于逐行逐列遍历。

内容的提问来源于stack exchange，提问作者mahdokht