NaN 에 대해

`NaN`은 "Not a Number"의 약자로, 숫자가 아님을 나타내는 특별한 부동 소수점(floating-point) 값입니다.

그래서 numpy에 있는 거고 타입은 float임

 

 

이 값은 주로 데이터 분석, 과학 계산, 금융 모델링 등에서 데이터가 누락되었거나 정의되지 않은 연산을 수행했을 때 발생합니다. 예를 들어, 0으로 나누는 연산에서 결과가 정의되지 않으므로 `NaN`이 생성될 수 있습니다.

nan 은 nan이 아니다!! np.nan == np.nan 은 True가 아니라 False. 왜냐면 둘 다 값이 없는 것이라 비교가 불가하기 때문.

### NaN의 사용
- **데이터 처리**: 데이터셋에서 값이 누락되었거나 유효하지 않을 때 `NaN`을 사용하여 해당 데이터 포인트를 표시합니다. 이는 데이터를 청소하고 전처리하는 과정에서 중요한 역할을 합니다.
- **연산**: `NaN`이 포함된 연산은 일반적으로 `NaN`을 결과로 반환합니다. 이는 연산의 흐름을 방해하지 않으면서도 데이터의 무결성을 유지할 수 있게 도와줍니다.

### 예시
Python에서는 `numpy` 라이브러리를 사용하여 `NaN`을 다룰 수 있습니다. `numpy`는 수치 계산을 위한 기능을 제공하며, `NaN`을 쉽게 생성하고 검사할 수 있는 함수들을 포함하고 있습니다.
np.isnan은 nan값을 확인할 수 있다. 결과값은 True

### NaN 처리 방법
데이터 분석에서 `NaN` 값은 특별한 주의를 필요로 합니다. 다음은 `NaN` 값을 처리하는 몇 가지 일반적인 방법입니다:

1. **제거**: `NaN`이 포함된 데이터 행이나 열을 제거합니다. 이 방법은 데이터의 양이 충분히 많을 때 유용합니다.

2. **대체**: `NaN`을 평균, 중앙값, 최빈값 등의 통계적 대표값으로 대체합니다. 이 방법은 데이터의 전반적인 분포를 유지하는 데 도움이 됩니다.

3. **프로그래밍에서의 예외 처리**: 때로는 `NaN`이 예상치 못한 오류를 발생시킬 수 있으므로, 코드에서 예외 처리를 통해 이를 관리할 수 있습니다.

`NaN`은 데이터의 정확성과 완전성을 유지하면서 분석을 수행하는 데 중요한 요소입니다. 데이터를 다룰 때 `NaN`의 존재를 인식하고 적절히 처리하는 것은 데이터 과학자와 분석가에게 필수적인 기술입니다.

 

 

2024.04.18 - [Python] - NaN과 Null(None)

NaN과 Null(None)