我正在寻找最快的方法来检查NumPy数组X中NaN（np.NaN）的出现情况np.isnan（X）是不可能的，因为它构建了一个shapeX.shape的布尔数组，这可能是巨大的
我在X中尝试了np.nan，但似乎不起作用，因为np.nan！=np.nan。有没有一种快速高效的方法可以做到这一点
（对于那些会问“有多大”的人：我不知道。这是库代码的输入验证。）
雷的解决方案很好。但是，在我的机器上，使用numpy.sum代替numpy.min大约快2.5倍：
[13]on
：%timeit np.isnan（np.min（x））
1000圈，最好3圈：每圈244美元
At[14]on：%timeit np.isnan（np.sum（x））
10000个回路，最好的3个：每个回路97.3 us
与min不同，sum不需要分支，这在现代硬件上往往非常昂贵。这可能就是sum更快的原因
编辑以上测试是在数组中间用一个NANN执行的。
有趣的是，有NAN时，min比没有NAN时慢。随着NAN距离阵列的起点越来越近，速度似乎也越来越慢。另一方面，sum的吞吐量似乎是恒定的，无论是否存在NAN以及它们位于何处：
[40]on
：x=np.rand.rand（100000）
At[41]on：%timeit np.isnan（np.min（x））
10000圈，最好的3圈：每圈153美元
At[42]on：%timeit np.isnan（np.sum（x））
10000圈，最好3圈：每圈95.9美元
In[43]：x[50000]=np.nan
At[44]on：%timeit np.isnan（np.min（x））
1000圈，最好的3圈：每圈239美元
At[45]on：%timeit np.isnan（np.sum（x））
10000个回路，最好为3:95.8 us/回路
In[46]：x[0]=np.nan
At[47]on：%timeit np.isnan（np.min（x））
1000个回路，最好为3:326 us/回路
At[48]on：%timeit np.isnan（np.sum（x））
10000圈，最好3圈：每圈95.9美元