Wandle den Nanowert in Null um

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 zu nehmen, sie 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 mit NaN. Meine Frage ist, gibt es eine schnelle Möglichkeit, alle NaNWerte im 2D-Numpy-Array in Null umzuwandeln, damit ich keine Probleme mit dem Sortieren und anderen Dingen habe, die ich versuche zu tun.

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)

Wo Aist Ihr 2D-Array:

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

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

Wie wäre es mit nan_to_num () ?

Sie könnten verwenden, np.whereum herauszufinden, wo Sie haben NaN:

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.]])

Ein Codebeispiel für Drakes Antwort auf den Einsatz 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.]])

Sie können numpy.nan_to_num verwenden :

numpy.nan_to_num (x): Ersetzen Sie nan durch Null und inf durch endliche Zahlen .

Beispiel (siehe Dokument):

>>> 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])

nan ist niemals gleich nan

if z!=z:z=0

also für ein 2D-Array

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

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]

Wenn für Ihre Zwecke alle Elemente als gespeichert sind strund Sie nur sortiert verwenden, während Sie verwenden, suchen Sie nach dem ersten Element und ersetzen Sie es durch '0'.

>>> l1 = ['88','NaN','67','89','81']
>>> n = sorted(l1,reverse=True)
['NaN', '89', '88', '81', '67']
>>> import math
>>> if math.isnan(float(n[0])):
...     n[0] = '0'
... 
>>> n
['0', '89', '88', '81', '67']