numpy中nan填充必须用np.isnan()判断，因nan!=nan导致arr[arr==np.nan]=0无效；np.isnan()返回布尔数组，支持arr[np.isnan(arr)]=0或均值填充；注意dtype需为float/object，inf不受影响；np.where()需用np.isnan(arr)而非arr==np.nan；np.nan_to_num()可统一处理nan/inf；混合类型需转pandas处理。
NumPy 中的 NaN 填充不能靠简单赋值解决，因为 NaN != NaN，直接用 arr[arr == np.nan] = 0 会失效——这行代码永远不生效。
用 np.isnan() 判断并索引替换
这是最可靠、最常用的方式。np.isnan() 是唯一能正确识别 NaN 的布尔函数，返回与原数组同形的 True/False 数组。
-
arr[np.isnan(arr)] = 0：将所有NaN替换为0 -
arr[np.isnan(arr)] = np.nanmean(arr)：用均值填充（需先排除NaN） - 注意：
np.isnan()对非浮点类型（如int）数组会报错，必须确保 dtype 是float或object - 如果数组含
inf或-inf，np.isnan()不会影响它们，只管NaN
避免用 np.where() 做条件替换时的常见陷阱
np.where() 看似灵活，但容易写错判断逻辑，尤其在嵌套或广播场景下。
- 错误写法：
np.where(arr == np.nan, 0, arr)—— 因为NaN == NaN永远是False，结果全保留原值 - 正确写法：
np.where(np.isnan(arr), 0, arr) - 多条件组合时（如同时处理
NaN和inf）：np.where(np.isnan(arr) | np.isinf(arr), 0, arr) - 注意
|是位运算符，不是or；用np.logical_or()也可，但更冗长
使用 np.nan_to_num() 快速统一处理异常浮点值
这个函数不只是填 NaN，它还一并处理 inf 和 -inf，适合预处理阶段快速“消毒”。
-
np.nan_to_num(arr, nan=0.0, posinf=1e10, neginf=-1e10)：指定各异常值的替换值 - 默认行为是把
NaN→0、+inf→np.finfo(float).max、-inf→np.finfo(float).min - 不修改原数组，返回新数组；加
copy=False可尝试就地操作（但仅当内存连续且 dtype 兼容时生效） - 对
object类型数组无效，只支持数值型 dtype
真正麻烦的是混合类型数组（比如列中混了字符串和数字），np.isnan() 会直接报错；这时候得先用 pandas 转成 Series 再用 fillna()，或者手动过滤出数值列——NumPy 本身不负责类型推断和容错。
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！
