Python 实现将numpy中的nan和inf,nan替换成对应的均值

nan:not a number

inf:infinity;正无穷

numpy中的nan和inf都是float类型

t!=t 返回bool类型的数组(矩阵)

np.count_nonzero() 返回的是数组中的非0元素个数;true的个数。

np.isnan() 返回bool类型的数组。

那么问题来了,在一组数据中单纯的把nan替换为0,合适么?会带来什么样的影响?

比如,全部替换为0后,替换之前的平均值如果大于0,替换之后的均值肯定会变小,所以更一般的方式是把缺失的数值替换为均值(中值)或者是直接删除有缺失值的一行

demo.py(numpy,将数组中的nan替换成对应的均值):

# coding=utf-8

import numpy as np

def fill_ndarray(t1):

for i in range(t1.shape[1]): # 遍历每一列(每一列中的nan替换成该列的均值)

temp_col = t1[:, i] # 当前的一列

nan_num = np.count_nonzero(temp_col != temp_col)

if nan_num != 0: # 不为0,说明当前这一列中有nan

temp_not_nan_col = temp_col[temp_col == temp_col] # 去掉nan的ndarray

# 选中当前为nan的位置,把值赋值为不为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, np.nan, np.nan],

[12., 13., 14., 15., 16., 17.],

[18., 19., 20., 21., 22., 23.]])

t1 = fill_ndarray(t1) # 将nan替换成对应的均值

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.]]

'''

补充知识:numpy对数组求平均时如何忽略nan值

前言:在对numpy数组求平均np.mean()或者求数组中最大最小值np.max()/np.min()时,如果数组中有nan,此时求得的结果为:nan,那么该如何忽略其中的nan呢?此时应该用另一个方法:np.nanmean(),np.nanmax(),np.nanmin().

使用np.mean()的效果

使用np.nanmean()的效果

以上这篇Python 实现将numpy中的nan和inf,nan替换成对应的均值就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。

以上是 Python 实现将numpy中的nan和inf,nan替换成对应的均值 的全部内容, 来源链接: utcz.com/z/344086.html

回到顶部