特殊数值是指在特定计算过程中可能出现的特殊值，通常在数学运算中产生，用来表示无法被常规数值定义的结果。NaN表示无效或未定义的数值，例如0除以0或对负数取平方根时可能出现。Inf表示正无穷或负无穷：正无穷（+inf）通常由正数除以零产生，负无穷（-inf）由负数除以零产生；除以零或超过计算机所能表示的数值范围时也会出现Inf。数组一旦混入特殊数值，若不加处理就会传播到计算结果中。例如b = np.array([1, -1, 0])时，b / 0得到array([ inf, -inf, nan])；对a = np.array([1, 2, np.nan, 4])执行np.sum(a)，结果为nan。含NaN或Inf的数组数据类型会变为浮点型（如float64）。
NumPy提供检测与处理函数，用于数据清洗或数值稳定性分析。np.isnan()逐个判断元素是否为NaN；np.isinf()逐个判断是否为无穷大。对a = np.array([1, 2, np.nan, np.inf, -np.inf])，isnan得到[False, False, True, False, False]，isinf得到[False, False, False, True, True]（正无穷与负无穷均为True）。四种常用处理：（1）过滤特殊值：使用布尔索引valid_arr = arr[~(np.isnan(arr) | np.isinf(arr))]，其中~为逻辑反运算、|为逻辑或运算，只保留有效数值；（2）替换为特定值：np.nan_to_num(arr, nan=0, posinf=1e10, neginf=-1e10)将NaN替换为0、正无穷替换为一个很大的数、负无穷替换为一个很小的数；（3）替换为统计值：先mean_value = np.nanmean(arr)，再arr[np.isnan(arr)] = mean_value；（4）计算时忽略特殊值：np.nansum()、np.nanmean()在求和、求均值时会忽略NaN。例如arr = np.array([1, np.nan, 3, 4, 5])时，np.nansum(arr)为13.0，np.nanmean(arr)为3.25。
易错点：不能用等于比较判断NaN（NaN不等于任何值，包括自身），必须用isnan；普通np.sum遇到NaN会把nan传播到整个结果，不要误当作已跳过缺失值；isinf同时识别正负无穷，过滤时需把isnan与isinf一并排除；nan_to_num的posinf、neginf应按分析需要指定，否则替换后的有限数未必符合题意。