在 Python 中计算 numpy ndarray 中非 NaN 元素的数量

Question

我需要计算 numpy ndarray 矩阵中非 NaN 元素的数量。 如何在 Python 中有效地做到这一点？ 这是我实现此目的的简单代码：

import numpy as np

def numberOfNonNans(data):
    count = 0
    for i in data:
        if not np.isnan(i):
            count += 1
    return count 

numpy 中是否有内置函数？ 效率很重要，因为我正在做大数据分析。

感谢您的帮助！

Answer 1

np.count_nonzero(~np.isnan(data))

~反转从np.isnan返回的布尔矩阵。

np.count_nonzero计算非 0\false 的值。 .sum应该给出相同的结果。 但也许更清楚地使用count_nonzero

测试速度：

In [23]: data = np.random.random((10000,10000))

In [24]: data[[np.random.random_integers(0,10000, 100)],:][:, [np.random.random_integers(0,99, 100)]] = np.nan

In [25]: %timeit data.size - np.count_nonzero(np.isnan(data))
1 loops, best of 3: 309 ms per loop

In [26]: %timeit np.count_nonzero(~np.isnan(data))
1 loops, best of 3: 345 ms per loop

In [27]: %timeit data.size - np.isnan(data).sum()
1 loops, best of 3: 339 ms per loop

data.size - np.count_nonzero(np.isnan(data))似乎几乎不是这里最快的。 其他数据可能会给出不同的相对速度结果。

Answer 2

快速书写替代品

即使不是最快的选择，如果性能不是问题，您可以使用：

sum(~np.isnan(data)) 。

表现：

In [7]: %timeit data.size - np.count_nonzero(np.isnan(data))
10 loops, best of 3: 67.5 ms per loop

In [8]: %timeit sum(~np.isnan(data))
10 loops, best of 3: 154 ms per loop

In [9]: %timeit np.sum(~np.isnan(data))
10 loops, best of 3: 140 ms per loop

Answer 3

要确定数组是否稀疏，可能有助于获取一定比例的 nan 值

np.isnan(ndarr).sum() / ndarr.size

如果该比例超过阈值，则使用稀疏数组，例如 - https://sparse.pydata.org/en/latest/

Answer 4

另一种选择，但有点慢的选择是通过索引来完成。

np.isnan(data)[np.isnan(data) == False].size

In [30]: %timeit np.isnan(data)[np.isnan(data) == False].size
1 loops, best of 3: 498 ms per loop 

np.isnan(data)和==运算符的双重使用可能有点矫枉过正，所以我发布答案只是为了完整性。

Answer 5

len([i for i in data if np.isnan(i) == True])