무한값(infinity)인식

데이터 처리 과정에서 누락된 값이나 계산과정에서 무한값을 얻게되는 경우가 있는데 이러한 값들은 이어진 계산과정에서 에러를 발생하는 경우가 많다. 

그러므로 분석전 또는 분석 동안 이들의 처리 과정이 중요하며 그 일환으로 먼저 그들의 인식과정을 먼저 살펴본다. 

사용할 자료를 생성하자.

nan(Not a Number)는 np.nan으로 생성할 수 있으며 

무한값(infinity)은 float() 함수를 사용하여 생성한다. 

기본 자료는 numpy 패키지의 linspace(start, end, size)로 생성한다. 이 함수는 시작과 끝을 지정하여 그 범위에 지정한 갯수 만큼 수를 생성한다. 

In [1]: import math

   ...: import numpy as np

   ...: import pandas as pd

   ...:

In [2]: x=np.linspace(0, 10, 20)

In [3]: x

Out[3]:

array([  0.        ,   0.52631579,   1.05263158,   1.57894737,

         2.10526316,   2.63157895,   3.15789474,   3.68421053,

         4.21052632,   4.73684211,   5.26315789,   5.78947368,

         6.31578947,   6.84210526,   7.36842105,   7.89473684,

         8.42105263,   8.94736842,   9.47368421,  10.        ])

In [4]: x[3]=np.nan #위 생성된 자료의 일정위치 값을 nan으로 대치한다. 

In [5]: x[9]=np.nan

In [6]: x[7]=float('inf')

In [7]: x[16]=float('-inf')

In [8]: x

Out[8]:

array([  0.        ,   0.52631579,   1.05263158,          nan,

         2.10526316,   2.63157895,   3.15789474,          inf,

         4.21052632,          nan,   5.26315789,   5.78947368,

         6.31578947,   6.84210526,   7.36842105,   7.89473684,

               -inf,   8.94736842,   9.47368421,  10.        ])

위의 자료에서 nan과 inf, -inf를 감지해 보자. 

math.isfinite(값): 객체의 각 원소 단위로 NaN 또는 Infinity가 아닐 경우 True를 반환한다. 

np.isfinite(array객체):  객체 또는 원소에 위의 math.isfinite와 같은 결과를 반환

In [9]: np.isfinite(x[1])

Out[9]: True

In [10]: try:
    ...:     math.isfinite(x)
    ...: except:
    ...:     print("원소단위로 실행됩니다.")
    ...:
원소단위로 실행됩니다.

In [11]: np.isfinite(x[3])
Out[11]: False

In [12]: x1=np.isfinite(x)

In [13]: x1

Out[13]:

array([ True,  True,  True, False,  True,  True,  True, False,  True,

       False,  True,  True,  True,  True,  True,  True, False,  True,

        True,  True], dtype=bool)

위의 객체에서 False 부분이 nan과 infinity이므로 이들의 인덱스를 알아보기 위해 

np.where(condition)

조건에 맞는 부분의 인덱스를 반환한다. (np.array 또는 pd DataFrame 에서 작동된다.)

In [14]: np.where(x1==False)

Out[14]: (array([ 3,  7,  9, 16], dtype=int64),)

math.isinf(x): 원소단위 infinity일 경우 True
np.isinf(array 객체): 객체의 각 원소를 판단하여 infinity일 경우 True

In [15]: math.isinf(x[3])
Out[15]: False

In [16]: x1=[math.isinf(i) for i in x]

In [17]: x1
Out[17]:
[False,
 False,
 ...,
 True,
 False,
 False,
 False]

위의 객체 x1은 리스트 형이다. 그러므로 list.index()로 대상의 인덱스를 찾을 수 있다. 그러나 이 함수는 객체 중 대상과 일치하는 첫부분만을 반환한다.

In [18]: x1.index(True)
Out[18]: 7

위 리스트 객체를 np array 형으로 전환후 np.where 적용할 수 있다.

In [19]: np.where(np.array(x1)==True)
Out[19]: (array([ 7, 16], dtype=int64),)

In [20]: x1=np.isinf(x)
In [21]: np.where(x1==True)
Out[21]: (array([ 7, 16], dtype=int64),)

numpy 모듈은 양의 무한값(positive infinity)와 음의 무한값(negative infinity)를 구별한다.

np.isposinf(array객체 또는 원소): 양의 무한값이면 True
np.isneginf(array객체 또는 원소): 음의 무한값이면 True

In [22]: np.where(np.isposinf(x)==True)
Out[22]: (array([7], dtype=int64),)

In [23]: np.where(np.isneginf(x)==True)
Out[23]: (array([16], dtype=int64),)