np.isnan()不能直接当索引使用，因为它返回布尔数组而非整数索引；虽可安全用于布尔索引（如arr[np.isnan(arr)] = 0），但易与np.where()混淆，且在整型数组中恒返回false、无法存nan，需先确认dtype为float。
np.isnan() 为什么不能直接当索引用
因为 np.isnan() 返回的是布尔数组，不是整数索引，直接写 arr[np.isnan(arr)] = 0 看似合理，但容易在高维数组或结构化数组中出错——比如 arr 是二维时，np.isnan(arr) 返回的是形状相同的布尔矩阵，赋值行为是逐元素生效的，没问题；但若你误以为它返回的是坐标元组（像 np.where() 那样），后续想做“只填某列”就会踩坑。
常见错误现象：arr[np.isnan(arr)] = np.nan 看似无害，实则可能触发隐式类型转换（比如把 int 数组转成 float），或在 masked array 场景下静默失效。
- 始终确认
arr的 dtype：整型数组无法存np.nan，np.isnan()对 int 类型恒返回False - 二维以上数组中，
np.isnan(arr)的 shape 和arr一致，可安全用于布尔索引，但别和np.where(np.isnan(arr))混用 - 如果要限制填充范围（如只填第 1 列的空值），得组合切片：
arr[:, 1][np.isnan(arr[:, 1])] = 0
fill_value 选 0 还是均值？得看 dtype 和业务含义
用 0 填充最简单，但未必合理。比如温度数据里 0 是有效值，填进去会污染统计结果；又比如图像像素用 uint8 存储，np.nan 根本无法存在，此时 np.isnan() 永远为 False，所谓“填充”根本不会发生。
Python 3.14.2是Python编程语言在2025年12月5日发布的稳定版本，属于3.14系列的第二个维护更新。该版本包含了18项修复，重点解决了多进程、数据类及正则表达式等模块的回归问题，并修复了CVE-2025-12084等安全漏洞。此版本标志着自由线程模式（移除GIL）正式获得官方支持，是Python发展的重要里程碑。
- 先检查 dtype：
arr.dtype是float64或float32才能存np.nan；整型或字符串数组需先转 float 再处理 - 若需均值填充，别直接用
np.mean(arr)——它默认包含np.nan，结果仍是nan；必须加np.nanmean(arr) - 注意广播限制：给二维数组用标量填，没问题；但若用一维数组（如每列均值）填，得确保形状对齐，例如
arr[np.isnan(arr)] = col_means.reshape(-1, 1)就会报错，应改用np.where()或列循环
np.where() 比布尔索引更适合条件复杂场景
当填充逻辑不止“是 nan 就填 0”，比如“nan 填 0，但负数填绝对值”，或者要保留原值中的非 nan 部分，np.where() 更直观、不易错。
示例：将所有 np.nan 替换为列均值，其余不变
col_means = np.nanmean(arr, axis=0, keepdims=True) arr_filled = np.where(np.isnan(arr), col_means, arr)
-
np.where()三个参数顺序固定：条件、真值、假值；少一个会报错，不能省略“假值” - 它返回新数组，不修改原数组；如需就地修改，仍得用布尔索引：
arr[np.isnan(arr)] = ... - 性能上，纯布尔索引略快于
np.where()，但差别在微秒级，优先选可读性
pd.isna() 和 np.isnan() 混用会出什么问题
虽然 pd.isna() 能识别更多“类空值”（如 None、pd.NaT），但它返回的是 pandas Series/DataFrame，不能直接用于 NumPy 数组索引。常见错误是把 DataFrame 传给 np.isnan()，结果报 TypeError: ufunc 'isnan' not supported for the input types。
- 纯 NumPy 场景，只用
np.isnan()；涉及 pandas 数据结构，优先用pd.isna()或.fillna() - 若从 pandas 导出为 numpy 数组（
df.values），要注意object类型列里的None在转成 numpy 后仍是None，而np.isnan(None)会报错，此时必须用pd.isna()预处理 - 跨库混用时，宁可多一次
np.asarray()转换，也别假设类型兼容
print(arr.dtype, arr.shape)。Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
