webentwicklung-frage-antwort-db.com.de

Nanowert in Null umwandeln

Ich habe ein 2D-Numpy-Array. Einige der Werte in diesem Array sind NaN. Ich möchte bestimmte Operationen mit diesem Array ausführen. Betrachten Sie zum Beispiel das Array:

[[   0.   43.   67.    0.   38.]
 [ 100.   86.   96.  100.   94.]
 [  76.   79.   83.   89.   56.]
 [  88.   NaN   67.   89.   81.]
 [  94.   79.   67.   89.   69.]
 [  88.   79.   58.   72.   63.]
 [  76.   79.   71.   67.   56.]
 [  71.   71.   NaN   56.  100.]]

Ich versuche, jede Zeile einzeln in umgekehrter Reihenfolge zu sortieren, um maximal 3 Werte aus der Zeile zu erhalten und ihren Durchschnitt zu ermitteln. Der Code, den ich ausprobiert habe, ist:

# nparr is a 2D numpy array
for entry in nparr:
    sortedentry = sorted(entry, reverse=True)
    highest_3_values = sortedentry[:3]
    avg_highest_3 = float(sum(highest_3_values)) / 3

Dies funktioniert nicht für Zeilen, die NaN enthalten. Meine Frage ist, gibt es eine schnelle Möglichkeit, alle NaN Werte im 2D-Numpy-Array in Null zu konvertieren, so dass ich keine Probleme mit dem Sortieren und anderen Dingen habe, die ich versuche zu tun.

61
Curious2learn

Das sollte funktionieren:

from numpy import *

a = array([[1, 2, 3], [0, 3, NaN]])
where_are_NaNs = isnan(a)
a[where_are_NaNs] = 0

Im obigen Fall ist where_are_NaNs:

In [12]: where_are_NaNs
Out[12]: 
array([[False, False, False],
       [False, False,  True]], dtype=bool)
94
Marcin

Wobei A Ihr 2D-Array ist:

import numpy as np
A[np.isnan(A)] = 0

Die Funktion isnan erzeugt ein Bool-Array, das angibt, wo sich die NaN -Werte befinden. Ein boolesches Array kann verwendet werden, um ein Array derselben Form zu indizieren. Stellen Sie es sich wie eine Maske vor.

104
Paul

Wie wäre es mit nan_to_num () ?

27
Drake Guan

Ein Codebeispiel für Antwort von Drake mit nan_to_num :

>>> import numpy as np
>>> A = np.array([[1, 2, 3], [0, 3, np.NaN]])
>>> A = np.nan_to_num(A)
>>> A
array([[ 1.,  2.,  3.],
       [ 0.,  3.,  0.]])
9
serv-inc

Du könntest benutzen np.where um herauszufinden, wo Sie NaN haben:

import numpy as np

a = np.array([[   0,   43,   67,    0,   38],
              [ 100,   86,   96,  100,   94],
              [  76,   79,   83,   89,   56],
              [  88,   np.nan,   67,   89,   81],
              [  94,   79,   67,   89,   69],
              [  88,   79,   58,   72,   63],
              [  76,   79,   71,   67,   56],
              [  71,   71,   np.nan,   56,  100]])

b = np.where(np.isnan(a), 0, a)

In [20]: b
Out[20]: 
array([[   0.,   43.,   67.,    0.,   38.],
       [ 100.,   86.,   96.,  100.,   94.],
       [  76.,   79.,   83.,   89.,   56.],
       [  88.,    0.,   67.,   89.,   81.],
       [  94.,   79.,   67.,   89.,   69.],
       [  88.,   79.,   58.,   72.,   63.],
       [  76.,   79.,   71.,   67.,   56.],
       [  71.,   71.,    0.,   56.,  100.]])
5

nan ist niemals gleich nan

if z!=z:z=0

also für ein 2D-Array

for entry in nparr:
    if entry!=entry:entry=0
1
litepresence

Sie können die Lambda-Funktion verwenden, ein Beispiel für ein 1D-Array:

import numpy as np
a = [np.nan, 2, 3]
map(lambda v:0 if np.isnan(v) == True else v, a)

Dies gibt Ihnen das Ergebnis:

[0, 2, 3]
0
Mohanad Kaleia

Sie können numpy.nan_to_num verwenden:

numpy.nan_to_num (x): Ersetzen Sie nan durch null und inf mit endlichen Zahlen .

Beispiel (siehe doc):

>>> np.set_printoptions(precision=8)
>>> x = np.array([np.inf, -np.inf, np.nan, -128, 128])
>>> np.nan_to_num(x)
array([  1.79769313e+308,  -1.79769313e+308,   0.00000000e+000,
        -1.28000000e+002,   1.28000000e+002])
0
Bilal