Python处理含NaN的坐标数组时索引报错且无法识别NaN问题

1. NaN判断错误的原因 #

• 不能用is或者==判断NaN：NaN是IEEE浮点数规范定义的特殊值，核心特性是np.nan == np.nan返回False；而is判断的是对象的内存地址，numpy数组中存储的NaN是数值类型的元素，和全局的np.nan对象不是同一个内存地址，因此c131x[-1] is np.nan必然返回False。
• np.vectorize用法错误：np.vectorize的作用是将普通函数转换为支持数组广播的函数，你直接将数组传入np.vectorize得到的是一个函数对象，不是原数组，自然无法检测到NaN。

2. 正确检测与截断NaN的方法 #

用numpy内置的np.isnan()函数专门检测NaN值，你提到仅填充位置存在NaN，也就是有效数据连续、仅尾部有NaN，可以写一个通用的尾部NaN截断函数：

import numpy as np
import pandas as pd
from scipy.spatial import distance_matrix

def truncate_tail_nan(arr: np.ndarray) -> np.ndarray:
    """截断数组尾部连续的NaN，返回有效部分"""
    nan_positions = np.where(np.isnan(arr))[0]
    # 数组中没有NaN直接返回
    if len(nan_positions) == 0:
        return arr
    # 取第一个出现NaN的位置作为截断点
    first_nan_idx = nan_positions[0]
    return arr[:first_nan_idx]

3. 修复原有代码的步骤 #

第一步：处理坐标数组，去除NaN并对齐xy坐标 #

df = pd.read_csv('contours_20150210.csv')

def process_contour(x_col: str, y_col: str) -> np.ndarray:
    """读取并处理单组轮廓坐标，返回无NaN的[N,2]坐标数组"""
    x = truncate_tail_nan(np.asarray(df[x_col]))
    y = truncate_tail_nan(np.asarray(df[y_col]))
    # 对齐x和y的长度，取较短的为准避免坐标错位
    valid_len = min(len(x), len(y))
    return np.column_stack((x[:valid_len], y[:valid_len]))

# 处理所有轮廓
c131 = process_contour("contour_131_x", "contour_131_y")
c193 = process_contour("contour_193_x", "contour_193_y")
c211 = process_contour("contour_211_x", "contour_211_y")

第二步：计算最近邻 #

此时坐标数组已经没有任何NaN值，计算距离矩阵不会出现全NaN的行，原有报错会消失，还可以用numpy内置方法替代循环提高效率：

dist_193_211 = distance_matrix(c193, c211)
# 直接沿axis=1取最小值和对应索引，无需循环
min_dist = dist_193_211.min(axis=1)
min_idx = dist_193_211.argmin(axis=1)
# 合并成你需要的[索引, 距离]格式
nn_193_211 = np.column_stack((min_idx, min_dist)).tolist()

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