含SymPy S.NaN条目的numpy矩阵按行求和将nan视为0的方法

开发者阿泽

2026-8-29

问题解决方法

问题核心是NumPy的NaN判断逻辑无法识别SymPy的单例NaN对象S.NaN，以下是两种可直接落地的方案：

方案1：保留NumPy矩阵格式，替换S.NaN后求和

SymPy的S.NaN是全局唯一单例对象，用x is S.NaN即可100%准确判断元素是否为SymPy NaN，不需要依赖np.isnan：

import numpy as np
from sympy import S

# 原始矩阵B
B = np.matrix([[1, S.NaN, 30],
        [S.NaN, 2, S.NaN],
        [8, S.NaN, S.NaN],
        [S.NaN, 1, 16]])

# 向量化判断SymPy NaN，替换为0后按行求和
vec_is_nan = np.vectorize(lambda elem: elem is S.NaN)
B_fill_zero = np.where(vec_is_nan(B), 0, B)
row_sum_result = B_fill_zero.sum(axis=1)

运行后结果和预期完全一致，即使矩阵元素是SymPy符号表达式（例如x、30*x），求和逻辑也能正常工作，比如[x, S.NaN, 30*x]会正确返回31*x。

方案2：改用SymPy原生矩阵，调用内置方法处理

如果不需要强制使用NumPy矩阵，SymPy原生的Matrix类型自带替换和逐行求和方法，写法更简洁，天然适配SymPy表达式：

from sympy import Matrix, S

# 构造SymPy矩阵
B_sym = Matrix([[1, S.NaN, 30],
        [S.NaN, 2, S.NaN],
        [8, S.NaN, S.NaN],
        [S.NaN, 1, 16]])

# 替换S.NaN为0后逐行求和
row_sum_result = B_sym.replace(S.NaN, 0).rowwise().sum()

注意事项

禁止用x == S.NaN判断NaN：按照NaN的运算规则，NaN和任何值（包括自身）做等值判断都会返回False，必须用is做对象身份判断。
np.nansum失效的原因：该函数仅能识别NumPy体系的浮点型np.NaN，会将SymPy的S.NaN识别为普通Python对象，加法运算时会触发NaN传播，最终返回全NaN结果。
如果需要把S.NaN转为np.NaN，只需要把上述替换逻辑里的0换成np.nan即可，后续就能正常调用np.nansum计算。