### numpy sqrt 返回 `nan` 的原因 当使用 NumPy 的 `sqrt()` 函数时，如果输入数组中存在负数，则会触发运行时警告 (`RuntimeWarning`) 并返回 `nan` 值。这是因为平方根运算在实数域上仅对非负数定义[^1]。 例如，在以下代码片段中： ```python import numpy as np array = np.array([4, -4]) result = np.sqrt(array) print(result) ``` 输出将是 `[2. nan]`，其中 `-4` 的平方根无法计算并被标记为 `nan`。 --- ### 解决方法 #### 方法一：过滤掉负数 可以通过布尔索引来排除负数项后再执行平方根操作。这种方法适用于只需要处理非负数的情况。 ```python filtered_array = array[array >= 0] result = np.sqrt(filtered_array) print(result) # 输出 [2.] ``` 此方法通过筛选条件保留了正数部分，从而避免了 `nan` 的产生。 #### 方法二：替换负数为零或其他有效值 可以先将所有负数替换为零（或者其他合理的默认值），然后再调用 `sqrt()` 函数。 ```python positive_array = np.where(array < 0, 0, array) result = np.sqrt(positive_array) print(result) # 输出 [2. 0.] ``` 上述代码利用了 `np.where()` 来实现条件赋值，确保传入 `sqrt()` 的数据均为非负数[^2]。 #### 方法三：使用复数支持 对于需要保留负数平方根的结果场景，可启用 NumPy 对复数的支持来获取虚部表示形式。 ```python complex_result = np.sqrt(array.astype(complex)) print(complex_result) # 输出 [(2.+0.j) (0.+2.j)] ``` 在此情况下，即使遇到负数也能得到其对应的复数解。 #### 方法四：清理 `nan` 和 `inf` 若已经产生了含有 `nan` 或者无穷大(`inf`)的数据集，可通过 `numpy.nan_to_num()` 将这些特殊值映射回常规数值范围之内。 ```python cleaned_result = np.nan_to_num(np.sqrt(array), nan=0.0, posinf=np.finfo(float).max, neginf=-np.finfo(float).max) print(cleaned_result) # 输出 [2. 0.] ``` 该函数允许指定如何替代非法条目，默认行为是以零取代所有的 `NaN` 及有限边界内的最大浮点数代表无限大情况下的正值[^3][^4]。 --- ### 总结 针对 `numpy.sqrt()` 运算过程中产生的 `nan` 问题，可以根据实际需求采取不同的策略加以规避或修正。无论是提前预处理原始数据还是事后修复异常结果都有相应工具可供选用。