Python 實現將numpy中的nan和inf,nan替換成對應的均值
阿新 • • 發佈:2020-06-08
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。