使用python如何处理栅格数据中NaN（Not a Number）、无穷大或超出了float64

在Python中，处理栅格数据中的缺失值（如NaN、无穷大 Infinity 或数值溢出导致的异常浮点数）通常涉及以下几个步骤：

1. **检测缺失值**:
- `numpy.isnan()` 函数可以检查数组中的每个元素是否为NaN。
- 对于无穷大（正负Infinity），`numpy.isinf()` 可以检测。

import numpy as np

data = ... # your raster data
is_nan = np.isnan(data)
is_inf = np.isinf(data)

2. **替换缺失值**:
- 可以选择填充某个特定值，比如0、平均值、插值等。
- `numpy.nanmean()`, `numpy.nanmedian()` 可以计算非NaN值的均值和中位数。

# 填充0
data[is_nan] = 0

# 或者用均值填充
data.fillna(data.mean(), inplace=True)

# 如果需要对Inf进行特殊处理，例如转换为最大最小浮点数边界
data[is_inf] = float('-inf') if is_inf == True else float('inf')

3. **设置数据范围**:
- 使用 `numpy.clip()` 函数可以将超出float64范围的数值限制到合理的范围内，避免精度损失。

data = np.clip(data, -np.inf, np.inf)

4. **数据类型转换**:
- 确保所有处理后的数据保持在`float64`内。如果需要，可以使用`astype()`函数强制转换数据类型。

data = data.astype(np.float64)