![](/img/trans.png)
[英]How to ffill nan values in a numpy array using the last non-nan values repeating N times
[英]how to find the unique non nan values in a numpy array?
我想知道是否有一種干凈的方法來處理 numpy 中的 nan。
my_array1=np.array([5,4,2,2,4,np.nan,np.nan,6])
print my_array1
#[ 5. 4. 2. 2. 4. nan nan 6.]
print set(my_array1)
#set([nan, nan, 2.0, 4.0, 5.0, 6.0])
我原以為它最多應該返回 1 nan 值。 為什么它返回多個 nan 值? 我想知道在一個 numpy 數組中有多少個唯一的非 nan 值。
謝謝
您可以使用np.unique
與組合,找到獨特的價值isnan
過濾NaN
值:
In [22]:
my_array1=np.array([5,4,2,2,4,np.nan,np.nan,6])
np.unique(my_array1[~np.isnan(my_array1)])
Out[22]:
array([ 2., 4., 5., 6.])
至於為什么你得到多個NaN
值是因為NaN
值不能正常比較:
In [23]:
np.nan == np.nan
Out[23]:
False
所以你必須使用isnan
來執行正確的比較
使用set
:
In [24]:
set(my_array1[~np.isnan(my_array1)])
Out[24]:
{2.0, 4.0, 5.0, 6.0}
您可以對上述任何一項調用len
以獲取大小:
In [26]:
len(np.unique(my_array1[~np.isnan(my_array1)]))
Out[26]:
4
我建議使用熊貓。 我認為這是直接替換,但與 numpy 不同,pandas 保留了原始順序。
import numpy as np
import pandas as pd
my_array1=np.array([5,4,2,2,4,np.nan,np.nan,6])
np.unique(my_array1)
# array([ 2., 4., 5., 6., nan, nan])
pd.unique(my_array1)
# array([ 5., 4., 2., nan, 6.])
我正在使用 numpy 1.17.4 和 Pandas 0.25.3。 希望這可以幫助!
正如之前的答案已經指出的那樣,numpy 不能直接計算 nans,因為它無法比較 nans。 numpy.ma.count_masked
是你的朋友。 例如,像這樣:
>>> import numpy.ma as ma
>>> a = np.array([ 0., 1., np.nan, np.nan, 4.])
>>> a
np.array([ 0., 1., nan, nan, 4.])
>>> a_masked = ma.masked_invalid(a)
>>> a_masked
masked_array(data=[0.0, 1.0, --, --, 4.0],
mask=[False, False, True, True, False],
fill_value=1e+20)
>>> ma.count_masked(a_masked)
2
您可以將isnan()與 setm 一起使用,然后遍歷 isnan() 數組的結果並刪除所有 NaN 對象。
my_array1=np.array([5,4,2,2,4,np.nan,np.nan,6])
print my_array1
#[ 5. 4. 2. 2. 4. nan nan 6.]
print set(my_array1)
#set([nan, nan, 2.0, 4.0, 5.0, 6.0])
for i,is_nan in enumerate(np.isnan(list(my_array1))):
if is_nan:
del my_array1[i]
從 Numpy 1.21.0 版開始, np.unique 現在返回單個 NaN :
>>> a = np.array([8, 1, np.nan, 3, np.inf, np.nan, -np.inf, -2, np.nan, 3])
>>> np.unique(a)
array([-inf, -2., 1., 3., 8., inf, nan])
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.