NumPy中的np.nan如何导致所有运算结果均为NaN？

本文共计741个文字，预计阅读时间需要3分钟。

NumPy中的`np.nan`是一个特殊的浮点数值，表示非数值（Not a Number）。它不是Python原生的`None`类型，也不是字符串类型，而是一个具有特殊语义的浮点数值。在数学运算中，`np.nan`通常被视为无效或缺失的数据。

为什么任何运算遇到 np.nan 都变成 np.nan？

这不是 NumPy 的“bug”，而是 IEEE 754 标准强制要求的行为：NaN 表示“未定义的结果”，例如 0/0、inf - inf、sqrt(-1)（在实数域）。一旦引入 NaN，整个计算链就失去确定性语义，所以标准规定：
• np.nan + 1 → np.nan
• np.nan * 0 → np.nan（注意：不是 0！）
• np.nan > 5 → False（比较运算全部返回 False，连 != 都不例外）
• 这个特性让 NaN 具有“传染性”，对调试很友好——只要结果是 np.nan，说明上游某处已经失守

怎么安全地检测和替换 np.nan？别用 == 或 in

常见错误是写 a == np.nan 或 np.nan in a，这两者永远得不到正确结果。