使用np.nan替换数组所有元素时出现异常的原因咨询

这问题我之前也踩过坑，核心原因其实是数据类型不兼容！

问题根源 #

你创建的数组a = np.array([1, 2, 3])，numpy会默认给它分配整数类型（比如int64）。而np.nan本质是一个浮点数，整数类型的numpy数组根本没办法存储nan这个值——当你强行赋值时，numpy会做强制类型转换，把np.nan转成当前整数类型能表示的最小数值，也就是你看到的-9223372036854775808（这是int64类型的最小取值）。

解决方法 #

这里给你几种更高效的方案：

• 先把数组转换成浮点类型，再赋值：

  a = np.array([1, 2, 3])
  a = a.astype(float)
  a[:] = np.nan
  # 结果：array([nan, nan, nan])
  

• 初始化数组时直接指定浮点类型：

  a = np.array([1, 2, 3], dtype=float)
  a[:] = np.nan
  

• 你当前用的列表推导式方法a = np.array([np.nan for a_i in a])也能生效，但对于大规模数组来说，numpy原生的astype方法效率会更高。

内容的提问来源于stack exchange，提问作者cssstudent