从 NumPy 数组中删除 Nan 值

Vaibhav Vaibhav 2023年1月30日 2021年4月29日
  1. 在 NumPy 中使用 logical_not()isnan() 方法删除 Nan 值
  2. 在 NumPy 中使用 isfinite() 方法删除 Nan 值
  3. 使用 math.isnan 方法删除 Nan 值
  4. 使用 pandas.isnull 方法删除 Nan 值
从 NumPy 数组中删除 Nan 值

本文将讨论一些内置的 NumPy 函数,你可以使用这些函数删除 nan 值。

在 NumPy 中使用 logical_not()isnan() 方法删除 Nan 值

logical_not()用于将逻辑 NOT 应用于数组的元素。isnan() 是一个布尔函数,用于检查元素是否为 nan。

使用 isnan() 函数,我们可以创建一个布尔数组,该数组的所有非 nan 值均具有 False,而所有 nan 值均具有 True。接下来,使用 logical_not() 函数,我们可以将 True 转换为 False,反之亦然。

最后,使用布尔索引,我们可以从原始 NumPy 数组中过滤所有非 nan 值。所有以 True 作为其值的索引将用于过滤 NumPy 数组。

要深入了解这些函数,请分别参考其官方文档,这里这里

请参考以下代码片段以获取解决方案。

import numpy as np

myArray = np.array([1, 2, 3, np.nan, np.nan, 4, 5, 6, np.nan, 7, 8, 9, np.nan])
output1 = myArray[np.logical_not(np.isnan(myArray))] # Line 1
output2 = myArray[~np.isnan(myArray)] # Line 2
print(myArray)
print(output1)
print(output2)

输出:

[ 1.  2.  3. nan nan  4.  5.  6. nan  7.  8.  9. nan]
[1. 2. 3. 4. 5. 6. 7. 8. 9.]
[1. 2. 3. 4. 5. 6. 7. 8. 9.]

Line 2Line 1 的简化版本。

在 NumPy 中使用 isfinite() 方法删除 Nan 值

顾名思义,isfinite() 函数是一个布尔函数,用于检查元素是否为有限值。它还可以检查数组中的有限值,并为该数组返回一个布尔数组。布尔数组将为所有 nan 值存储 False,为所有有限值存储 True

我们将使用此函数为目标数组检索一个布尔数组。使用布尔索引,我们将过滤所有有限值。同样,如上所述,具有 True 值的索引将用于过滤数组。

这是示例代码。

import numpy as np

myArray1 = np.array([1, 2, 3, np.nan, np.nan, 4, 5, 6, np.nan, 7, 8, 9, np.nan])
myArray2 = np.array([np.nan, np.nan, np.nan, np.nan, np.nan, np.nan])
myArray3 = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
output1 = myArray1[np.isfinite(myArray1)]
output2 = myArray2[np.isfinite(myArray2)]
output3 = myArray3[np.isfinite(myArray3)]
print(myArray1)
print(myArray2)
print(myArray3)
print(output1)
print(output2)
print(output3)

输出:

[ 1.  2.  3. nan nan  4.  5.  6. nan  7.  8.  9. nan]
[nan nan nan nan nan nan]
[ 1  2  3  4  5  6  7  8  9 10]
[1. 2. 3. 4. 5. 6. 7. 8. 9.]
[]
[ 1  2  3  4  5  6  7  8  9 10]

要了解有关此函数的更多信息,请参考官方文档

使用 math.isnan 方法删除 Nan 值

除了这两个 NumPy 解决方案之外,还有两种其他删除 nan 值的方法。这两种方式涉及 math 库中的 isnan() 函数和 pandas 库中的 isnull 函数。这两个函数都会检查元素是否为 nan,并返回布尔值结果。

这是使用 isnan() 方法的解决方案。

import numpy as np
import math

myArray1 = np.array([1, 2, 3, np.nan, np.nan, 4, 5, 6, np.nan, 7, 8, 9, np.nan])
myArray2 = np.array([np.nan, np.nan, np.nan, np.nan, np.nan, np.nan])
myArray3 = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
booleanArray1 = [not math.isnan(number) for number in myArray1]
booleanArray2 = [not math.isnan(number) for number in myArray2]
booleanArray3 = [not math.isnan(number) for number in myArray3]
print(myArray1)
print(myArray2)
print(myArray3)
print(myArray1[booleanArray1])
print(myArray2[booleanArray2])
print(myArray3[booleanArray3])

输出:

[ 1.  2.  3. nan nan  4.  5.  6. nan  7.  8.  9. nan]
[nan nan nan nan nan nan]
[ 1  2  3  4  5  6  7  8  9 10]
[1. 2. 3. 4. 5. 6. 7. 8. 9.]
[]
[ 1  2  3  4  5  6  7  8  9 10]

使用 pandas.isnull 方法删除 Nan 值

以下是使用 pandas 中的 isnull() 方法的解决方案。

import numpy as np
import pandas as pd

myArray1 = np.array([1, 2, 3, np.nan, np.nan, 4, 5, 6, np.nan, 7, 8, 9, np.nan])
myArray2 = np.array([np.nan, np.nan, np.nan, np.nan, np.nan, np.nan])
myArray3 = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
booleanArray1 = [not pd.isnull(number) for number in myArray1]
booleanArray2 = [not pd.isnull(number) for number in myArray2]
booleanArray3 = [not pd.isnull(number) for number in myArray3]
print(myArray1)
print(myArray2)
print(myArray3)
print(myArray1[booleanArray1])
print(myArray2[booleanArray2])
print(myArray3[booleanArray3])
print(myArray1[~pd.isnull(myArray1)]) # Line 1
print(myArray2[~pd.isnull(myArray2)]) # Line 2
print(myArray3[~pd.isnull(myArray3)]) # Line 3

输出:

[ 1.  2.  3. nan nan  4.  5.  6. nan  7.  8.  9. nan]
[nan nan nan nan nan nan]
[ 1  2  3  4  5  6  7  8  9 10]
[1. 2. 3. 4. 5. 6. 7. 8. 9.]
[]
[ 1  2  3  4  5  6  7  8  9 10]
[1. 2. 3. 4. 5. 6. 7. 8. 9.]
[]
[ 1  2  3  4  5  6  7  8  9 10]
Vaibhav Vaibhav avatar Vaibhav Vaibhav avatar

Vaibhav is an artificial intelligence and cloud computing stan. He likes to build end-to-end full-stack web and mobile applications. Besides computer science and technology, he loves playing cricket and badminton, going on bike rides, and doodling.

LinkedIn GitHub