在实际应用中，对于数据的处理，我们经常需要考虑一些极端情况，否则在程序运行过程中很容易抛出一些低级错误，如创建或测试正无穷、负无穷或NaN（非数字）的浮点数。

Python中并没有特殊的语法来表示这些特殊的浮点值，但是可以使用float()来创建，相关代码（nan_exp.py）示例如下：

---

a = float('inf')
b = float('-inf')
c = float('nan')
print(f"float('inf') = {a}")
print(f"float('-inf') = {b}")
print(f"float('nan') = {c}")

---

执行py文件，输出结果如下：

---

float('inf') = inf
float('-inf') = -inf
float('nan') = nan

---

要测试这些值的存在，可用math.isinf()和math.isnan()函数，相关代码（nan_exp.py）示例如下：

---

import math
print(f"float('inf') type is inf: {math.isinf(a)}")
print(f"float('nan') type is nan: {math.isnan(c)}")

---

执行py文件，输出结果如下：

---

float('inf') type is inf: True
float('nan') type is nan: True

---

在执行数学计算的时候，无穷大数可以传递，相关代码（nan_exp.py）示例如下：

---

print(f'{a} + 45 = {a + 45}')
print(f'{a} * 45 = {a * 45}')
print(f'45 / {a} = {45 / a}')

---

执行py文件，输出结果如下：

---

inf + 45 = inf
inf * 45 = inf
45 / inf = 0.0

---

有些操作会返回一个NaN结果，相关代码（nan_exp.py）示例如下：

---

print(f'{a} / {a} = {a / a}')
print(f'{a} + {b} = {a + b}')

---

执行py文件，输出结果如下：

---

inf / inf = nan
inf + -inf = nan

---

NaN值会在所有操作中传递，而不会产生异常，相关代码（nan_exp.py）示例如下：

---

print(f'{c} + 10 = {c + 10}')
print(f'{c} * 10 = {c * 10}')
print(f'{c} / 10 = {c / 10}')
print(f'math.sqrt({c}) = {math.sqrt(c)}')

---

执行py文件，输出结果如下：

---

nan + 10 = nan
nan * 10 = nan
nan / 10 = nan
math.sqrt(nan) = nan

---

NaN值的一个特别的地方是，比较操作总是返回False，相关代码（nan_exp.py）示例如下：

---

d = float('nan')
print(f'{c} == {d} is:{c == d}')
print(f'{c} is {d} is:{c is d}')

---

执行py文件，输出结果如下：

---

nan == nan is:False
nan is nan is:False

---

当测试一个NaN值时，唯一安全的方法就是使用math.isnan()。有时候，程序员想改变Python的默认行为，但会在返回无穷大或NaN结果的操作中抛出异常。fpectl模块可以用来改变这种行为，但是它在标准的Python构建中并没有被启用。该模块是与平台相关的，并且针对的是专家级程序员。 M1/NVoQ1H4Tdx+woQtSMmn3dv8tfCPCuHjej7meB/e0YEQFw+2OlCu0fdMvozVMq