คู่มือครบ: ตรวจและจัดการ NaN ใน Python (เลขลอยตัว)

1. วิธีตรวจสอบ NaN ใน Python

NaN คืออะไร?

ความสำคัญของการตรวจสอบ NaN

2. วิธีสร้าง NaN

num = float('nan')
print(num)  # ผลลัพธ์: nan

ความแตกต่างระหว่าง None

num = float('nan')
print(num == num)  # ผลลัพธ์: False

none_value = None
print(none_value == None)  # ผลลัพธ์: True

3. วิธีตรวจสอบค่า NaN

3.1. การตรวจสอบด้วยไลบรารีมาตรฐาน（math.isnan()）

import math

num = float('nan')
print(math.isnan(num))  # ผลลัพธ์: True

3.2. การตรวจสอบด้วย NumPy（numpy.isnan()）

import numpy as np

num_list = [1, 2, np.nan, 4]
print(np.isnan(num_list))  # ผลลัพธ์: [False False  True False]

3.3. การตรวจสอบด้วย pandas（pandas.isna()）

import pandas as pd
import numpy as np

data = pd.Series([1, 2, np.nan, 4])
print(pd.isna(data))  # ผลลัพธ์: 0    False
                      #      1    False
                      #      2     True
                      #      3    False

4. วิธีลบหรือแทนที่ NaN

4.1. ลบ NaN ออกจากลิสต์

import math

num_list = [1, 2, float('nan'), 4]
clean_list = [num for num in num_list if not math.isnan(num)]
print(clean_list)  # ผลลัพธ์: [1, 2, 4]

4.2. ลบ NaN ใน pandas（dropna()）

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1, 2, np.nan], 'B': [4, np.nan, 6]})
clean_df = df.dropna()
print(clean_df)

4.3. แทนค่า NaN ใน pandas（fillna()）

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1, 2, np.nan], 'B': [4, np.nan, 6]})
df.fillna(0, inplace=True)
print(df)

5. การคำนวณที่มี NaN ปะปน

import numpy as np

result = 10 + np.nan
print(result)  # ผลลัพธ์: nan

ตัวอย่างการคำนวณสถิติที่มี NaN

import numpy as np

data = [1, 2, np.nan, 4]
mean = np.nanmean(data)  # คำนวณค่าเฉลี่ยโดยไม่สนใจ NaN
print(mean)  # ผลลัพธ์: 2.3333...

6. ข้อควรระวังเกี่ยวกับการตรวจสอบ NaN

6.1. พฤติกรรมของตัวดำเนินการเปรียบเทียบ

num = float('nan')
print(num == num)  # ผลลัพธ์: False

6.2. จุดสำคัญในการทำความสะอาดข้อมูล

7. สรุป