Data hasil pengumpulan nyata jarang sempurna: ada sel kosong, pembagian nol, atau pembacaan sensor yang tidak terukur. NumPy mewakili nilai-nilai itu dengan NaN dan Infinity, dan keduanya berperilaku khas saat dihitung. Section ini membahas cara mendeteksi nilai tersebut, menampilkan statistik yang tetap valid, memfilter, mengganti, dan memvalidasi data numerik yang tidak lengkap.

# NaN dan Infinity

Mengenal konstanta np.nan dan np.inf, asal-usulnya dalam perhitungan, dan perilaku khasnya saat dihitung.

Buka → # Memeriksa Nilai Valid

Menghitung banyaknya nilai valid dan tidak valid dalam array sebagai langkah awal penilaian kualitas data.

Buka → # isfinite, isnan, dan isinf

Mendeteksi elemen khusus dengan isfinite, isnan, dan isinf serta membaca pola hasil ketiganya.

Buka → # NaN-aware Aggregation

Menghitung statistik yang mengabaikan NaN dengan nansum, nanmean, dan saudarinya.

Buka → # Filtering Nilai Tidak Valid

Menyaring elemen NaN dan inf keluar dari array menggunakan boolean mask hasil deteksi.

Buka → # Mengganti Nilai Tertentu

Mengganti NaN atau nilai lain dengan angka pengganti secara aman menggunakan boolean indexing dan np.where.

Buka → # Masking dan Conditional Selection

Menyusun mask dari beberapa kondisi untuk seleksi data yang presisi dan mudah dibaca ulang.

Buka → # Penanganan Data Numerik yang Tidak Valid

Merangkai alur pembersihan data numerik: deteksi, keputusan penggantian, dan verifikasi ulang hasilnya.

Buka → # Kontrol Error Global seterr

Mengatur kebijakan error floating-point global dengan seterr dan geterr, dari ignore hingga raise, untuk data yang kritis.

Buka →