解析奥运金牌统计Python代码中使用numpy.isfinite的原因

前置逻辑：代码前序处理产生的异常值场景 #

先理清楚代码前几步的实际运行效果：

• 代码中两次调用的copy_df.where()，并不会直接删除不满足条件的行：它的逻辑是保留满足判断条件的原有值，不满足条件的整行所有字段都会被赋值为NaN空值。
• 后续依次计算夏冬金牌差Diff、金牌数占比Gold_Ratio的过程中，这些被置空的行会参与运算，最终产出两种无法参与有效计算的非有限值：
  1. 空值NaN：只要行被置空，分子分母都为NaN时，除法结果自然也是NaN
  2. 带符号的无穷值inf/-inf：若某行未被完全置空，但金牌总数Gold + Gold.1计算结果为0，做除法时就会触发除零，产生无穷值

np.isfinite的核心作用 #

np.isfinite是一个元素级判断函数，会对输入的每个值做校验，仅当值为有限的普通实数时返回True，其余情况全部返回False。

它在这里的核心用途，就是对Gold_Ratio列做行过滤：

• 直接筛除所有被where操作置空的无效行（也就是不满足「夏奥冬奥都至少拿1金」的国家行）
• 自动排除所有除零产生的无穷值，避免后续计算最大值时，把无意义的无穷值当成结果
• 相比单纯用dropna()过滤空值，np.isfinite可以同时识别并排除NaN、正无穷、负无穷三类异常值，过滤覆盖的场景更全
• 最终留下的数据集，刚好完全匹配业务需求：所有纳入计算的国家，都是夏奥、冬奥金牌数都大于0、占比值为有效有限实数的样本

如果去掉这一步过滤，后续调用max()求最大占比时，要么返回NaN，要么返回没有实际意义的无穷值，根本得不到正确的国家结果。

内容的提问来源于stack exchange，提问作者iAvesh