Inf 表示正无穷大或负无穷大，通常是在数学计算中产生的结果。
例如，
import numpy as np # 创建一个包含 Infinity 的数组 arr = np.array([3.0, 4.0, np.inf, -np.inf]) print(arr)
1）通过where方法和isinf方法查找Inf行和列
import pandas as pd
import numpy as np
df = pd.DataFrame(np.arange(18).reshape(3,6), index=list('abc'), columns=list('uvwxyz'))
print('*'*36)
# 将df的第一列变成Inf
df.u = np.inf
print(df)
print('*'*36)
#输出结果，是一个tuple，前面array是横坐标，后面的array是纵坐标。
print(np.where(np.isinf(df)))
2）数据处理
import pandas as pd
import numpy as np
df = pd.DataFrame(np.arange(18).reshape(3,6), index=list('abc'), columns=list('uvwxyz'))
print('*'*36)
# 将df的第一列变成NaN
df.u = np.inf
print(df)
print('*'*36)
#输出结果，是一个tuple，前面array是横坐标，后面的array是纵坐标。
print(np.where(np.isinf(df)))
print('*'*36)
# 使用 replace 替换整个 DataFrame 中的 Inf 值为特定值
print(df.replace(np.inf, 1, inplace=False))
print('*'*36)
#使用np.isinf()
df[np.isinf(df)]=11.0
print(df)
print('*'*36)
# 创建一个包含 Inf 的数组
arr = np.array([3.0, 4.0, np.inf, 6.0])
# 将Inf值为5
arr[np.isinf(arr)]=5
print(arr)
3）删除有Inf的行
import pandas as pd
import numpy as np
x=np.arange(0,30).reshape(5,6)
x=np.array(x,dtype=float)
x[2,3]=np.inf
x[0,4]=np.inf
print(x)
print('*'*36)
#删除包含Inf的行
x1=np.delete(x,np.where(np.isinf(x))[0],axis=0)
print(x1)
注意：np.inf和np.nan的处理方法基本相同，注意调用处理时方法名。None是Python中用于标识空缺数据，Nan是nunpy和pandas中用于标识空缺数据，None是一个Python特殊的数据类型， 但是NaN却是用一个特殊的float。
在用DataFrame计算变化率时，例如(今天-昨天) / 昨天恰好为(2-0) / 0时，这些结果数据会变为inf。
为了方便后续处理，可以利用numpy，将这些inf值进行替换。
1. 将某1列（series格式）中的 inf 替换为数值。
import numpy as np df['Col'][np.isinf(df['Col'])] = -1
2. 将某1列（series格式）中的 inf 替换为NA值。
import numpy as np df['Col'][np.isinf(df['Col'])] = np.nan
3. 将整个DataFrame中的 inf 替换为数值（空值同理）。#感谢评论区的补充
import numpy as np df.replace(np.inf, -1) #替换正inf为-1 #替换正负inf为NA，加inplace参数 df.replace([np.inf, -np.inf], np.nan, inplace=True)
