nan：not a number

inf：infinity;正無窮

numpy中的nan和inf都是float型別

t!=t 返回bool型別的陣列(矩陣)

np.count_nonzero() 返回的是陣列中的非0元素個數；true的個數。

np.isnan() 返回bool型別的陣列。

那麼問題來了，在一組資料中單純的把nan替換為0，合適麼？會帶來什麼樣的影響？

比如，全部替換為0後，替換之前的平均值如果大於0，替換之後的均值肯定會變小，所以更一般的方式是把缺失的數值替換為均值（中值）或者是直接刪除有缺失值的一行

demo.py（numpy，將陣列中的nan替換成對應的均值）：

# coding=utf-8
import numpy as np
 
def fill_ndarray(t1):
 for i in range(t1.shape[1]): # 遍歷每一列（每一列中的nan替換成該列的均值）
 temp_col = t1[:,i] # 當前的一列
 nan_num = np.count_nonzero(temp_col != temp_col)
 if nan_num != 0: # 不為0，說明當前這一列中有nan
  temp_not_nan_col = temp_col[temp_col == temp_col] # 去掉nan的ndarray
 
  # 選中當前為nan的位置，把值賦值為不為nan的均值
  temp_col[np.isnan(temp_col)] = temp_not_nan_col.mean() # mean()表示求均值。
 return t1
 
if __name__ == '__main__':
 t1 = np.array([[ 0.,1.,2.,3.,4.,5.],[ 6.,7.,np.nan,np.nan],[12.,13.,14.,15.,16.,17.],[18.,19.,20.,21.,22.,23.]])
 
 t1 = fill_ndarray(t1) # 將nan替換成對應的均值
 print(t1)
 '''
 [[ 0. 1. 2. 3. 4. 5.]
 [ 6. 7. 12. 13. 14. 15.]
 [12. 13. 14. 15. 16. 17.]
 [18. 19. 20. 21. 22. 23.]]
 '''

補充知識：numpy對陣列求平均時如何忽略nan值

前言：在對numpy陣列求平均np.mean()或者求陣列中最大最小值np.max()/np.min()時，如果陣列中有nan,此時求得的結果為：nan，那麼該如何忽略其中的nan呢？此時應該用另一個方法：np.nanmean(),np.nanmax(),np.nanmin().

使用np.mean()的效果

使用np.nanmean()的效果

以上這篇Python 實現將numpy中的nan和inf,nan替換成對應的均值就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。