如何迭代识别Numpy ndarray中的np.nan值？检测失效如何解决

问题原因 #

你的代码逻辑问题出在空值判断的写法上：X[i,j] == np.nan是无效的判断方式。
根据IEEE 754浮点数标准，np.nan和任何值做相等比较都会返回False，哪怕是np.nan和自身比较也不例外，所以你写的判断条件永远不会触发，自然所有元素都被判定为非空。

修复方案 #

1. 适配原有迭代逻辑的修改方式 #

将相等判断替换为Numpy专门用于检测空值的np.isnan()函数即可：

import numpy as np

X = np.array([[1,2,4,np.nan],[3,np.nan,4,2],[5,1,6,7],[np.nan,1,2,9]])
for i in range(X.shape[0]):
    for j in range(X.shape[1]):
        if np.isnan(X[i,j]):
            print("This entry is null")
        else:
            print("This one is not")

2. 更高效的向量化实现（无需手动写循环） #

如果仅需要识别空值位置、统计空值数量，直接调用np.isnan()传入整个数组即可，会返回和原数组形状一致的布尔掩码，对应位置为True即代表是空值：

# 获取空值布尔掩码
null_mask = np.isnan(X)
# 统计空值总数
null_total = np.sum(null_mask)

内容的提问来源于stack exchange，提问作者Mario Aguilar