我想弄清楚如何从我的数组中删除 nan 值。我的数组看起来像这样：
x = [1400, 1500, 1600, nan, nan, nan ,1700] #Not in this exact configuration
如何从中删除nan值x？
问问题
569906 次
12 回答
477
如果您对数组使用 numpy，您也可以使用
x = x[numpy.logical_not(numpy.isnan(x))]
等效地
x = x[~numpy.isnan(x)]
[感谢 chbrown 添加的速记]
解释
内部函数numpy.isnan返回一个布尔/逻辑数组，该数组在True任何地方都x具有非数字的值。正如我们想要的相反，我们使用逻辑非运算符~来获得一个数组，其中Trues 到处都是x 有效数字。
最后，我们使用这个逻辑数组来索引原始数组x，只检索非 NaN 值。
于 2012-07-23T21:42:30.267 回答
67
filter(lambda v: v==v, x)
适用于列表和 numpy 数组，因为 v!=v 仅适用于 NaN
于 2015-04-16T15:46:36.443 回答
36
于 2012-07-23T21:39:59.420 回答
32
对我来说，@jmetz 的答案没有用，但是使用 pandas isnull() 可以。
x = x[~pd.isnull(x)]
于 2017-04-18T14:37:51.067 回答
7
正如其他人所展示的
x[~numpy.isnan(x)]
作品。但是如果 numpy dtype 不是本机数据类型，例如它是对象，它将引发错误。在这种情况下，您可以使用熊猫。
x[~pandas.isna(x)] or x[~pandas.isnull(x)]
于 2017-11-25T12:55:01.577 回答
7
@jmetz 的答案可能是大多数人需要的；但是它会产生一个一维数组，例如使其无法删除矩阵中的整行或整列。
为此，应该将逻辑数组减少到一维，然后索引目标数组。例如，以下将删除至少具有一个 NaN 值的行：
x = x[~numpy.isnan(x).any(axis=1)]
在此处查看更多详细信息。
于 2020-05-04T09:43:05.117 回答
6
执行上述操作：
x = x[~numpy.isnan(x)]
或者
x = x[numpy.logical_not(numpy.isnan(x))]
我发现重置为相同的变量 (x) 并没有删除实际的 nan 值，并且必须使用不同的变量。将其设置为不同的变量会删除 nans。例如
y = x[~numpy.isnan(x)]
于 2016-06-23T20:35:51.397 回答
6
如果你正在使用numpy
# first get the indices where the values are finite
ii = np.isfinite(x)
# second get the values
x = x[ii]
于 2018-02-16T09:19:02.433 回答
6
接受的答案改变了二维数组的形状。我在这里提出了一个解决方案，使用 Pandas dropna()功能。它适用于一维和二维数组。在 2D 情况下，您可以选择天气来删除包含np.nan.
import pandas as pd
import numpy as np
def dropna(arr, *args, **kwarg):
assert isinstance(arr, np.ndarray)
dropped=pd.DataFrame(arr).dropna(*args, **kwarg).values
if arr.ndim==1:
dropped=dropped.flatten()
return dropped
x = np.array([1400, 1500, 1600, np.nan, np.nan, np.nan ,1700])
y = np.array([[1400, 1500, 1600], [np.nan, 0, np.nan] ,[1700,1800,np.nan]] )
print('='*20+' 1D Case: ' +'='*20+'\nInput:\n',x,sep='')
print('\ndropna:\n',dropna(x),sep='')
print('\n\n'+'='*20+' 2D Case: ' +'='*20+'\nInput:\n',y,sep='')
print('\ndropna (rows):\n',dropna(y),sep='')
print('\ndropna (columns):\n',dropna(y,axis=1),sep='')
print('\n\n'+'='*20+' x[np.logical_not(np.isnan(x))] for 2D: ' +'='*20+'\nInput:\n',y,sep='')
print('\ndropna:\n',x[np.logical_not(np.isnan(x))],sep='')
结果：
==================== 1D Case: ====================
Input:
[1400. 1500. 1600. nan nan nan 1700.]
dropna:
[1400. 1500. 1600. 1700.]
==================== 2D Case: ====================
Input:
[[1400. 1500. 1600.]
[ nan 0. nan]
[1700. 1800. nan]]
dropna (rows):
[[1400. 1500. 1600.]]
dropna (columns):
[[1500.]
[ 0.]
[1800.]]
==================== x[np.logical_not(np.isnan(x))] for 2D: ====================
Input:
[[1400. 1500. 1600.]
[ nan 0. nan]
[1700. 1800. nan]]
dropna:
[1400. 1500. 1600. 1700.]
于 2019-03-16T06:37:23.617 回答
3
如果有帮助，对于简单的一维数组：
x = np.array([np.nan, 1, 2, 3, 4])
x[~np.isnan(x)]
>>> array([1., 2., 3., 4.])
但如果您希望扩展为矩阵并保留形状：
x = np.array([
[np.nan, np.nan],
[np.nan, 0],
[1, 2],
[3, 4]
])
x[~np.isnan(x).any(axis=1)]
>>> array([[1., 2.],
[3., 4.]])
我在处理 pandas 功能时遇到了这个问题，由于效率低下.shift()，我想不惜一切代价避免使用。.apply(..., axis=1)
于 2021-03-15T18:36:11.117 回答
1
只需填写
x = numpy.array([
[0.99929941, 0.84724713, -0.1500044],
[-0.79709026, numpy.NaN, -0.4406645],
[-0.3599013, -0.63565744, -0.70251352]])
x[numpy.isnan(x)] = .555
print(x)
# [[ 0.99929941 0.84724713 -0.1500044 ]
# [-0.79709026 0.555 -0.4406645 ]
# [-0.3599013 -0.63565744 -0.70251352]]
于 2020-12-18T10:08:48.947 回答
0
一个最简单的方法是：
numpy.nan_to_num(x)
文档：https ://docs.scipy.org/doc/numpy/reference/generated/numpy.nan_to_num.html
于 2017-06-21T18:03:06.630 回答