Преобразовать значение nn в ноль

У меня есть 2D-массив numpy. Некоторые из значений в этом массиве NaN. Я хочу выполнить определенные операции с помощью этого массива. Например, рассмотрим массив:

[[   0.   43.   67.    0.   38.]
 [ 100.   86.   96.  100.   94.]
 [  76.   79.   83.   89.   56.]
 [  88.   NaN   67.   89.   81.]
 [  94.   79.   67.   89.   69.]
 [  88.   79.   58.   72.   63.]
 [  76.   79.   71.   67.   56.]
 [  71.   71.   NaN   56.  100.]]

Я пытаюсь взять каждую строку по одному, сортировать ее в обратном порядке, чтобы получить максимум 3 значения из строки и принять их среднее значение. Код, который я пробовал, это:

# nparr is a 2D numpy array
for entry in nparr:
    sortedentry = sorted(entry, reverse=True)
    highest_3_values = sortedentry[:3]
    avg_highest_3 = float(sum(highest_3_values)) / 3

Это не работает для строк, содержащих NaN. Мой вопрос в том, есть ли быстрый способ конвертировать все значения NaN в ноль в массиве 2D numpy, чтобы у меня не было проблем с сортировкой и другими вещами, которые я пытаюсь сделать.

Ответ 1

Это должно работать:

from numpy import *

a = array([[1, 2, 3], [0, 3, NaN]])
where_are_NaNs = isnan(a)
a[where_are_NaNs] = 0

В приведенном выше случае where_are_NaNs:

In [12]: where_are_NaNs
Out[12]: 
array([[False, False, False],
       [False, False,  True]], dtype=bool)

Ответ 2

Где A - ваш 2D-массив:

import numpy as np
A[np.isnan(A)] = 0

Функция isnan создает массив bool, указывающий, где находятся значения NaN. Логический массив может использоваться для индексации массива той же формы. Подумайте об этом как маску.

Ответ 3

Как насчет nan_to_num()?

Ответ 4

Пример кода для drake answer для использования nan_to_num:

>>> import numpy as np
>>> A = np.array([[1, 2, 3], [0, 3, np.NaN]])
>>> A = np.nan_to_num(A)
>>> A
array([[ 1.,  2.,  3.],
       [ 0.,  3.,  0.]])

Ответ 5

nan никогда не равен nan

if z!=z:z=0

поэтому для двумерного массива

for entry in nparr:
    if entry!=entry:entry=0

Ответ 6

Вы можете использовать numpy.nan_to_num:

numpy.nan_to_num (x): замените nan на ноль и inf конечными числами.

Пример (см. doc):

>>> np.set_printoptions(precision=8)
>>> x = np.array([np.inf, -np.inf, np.nan, -128, 128])
>>> np.nan_to_num(x)
array([  1.79769313e+308,  -1.79769313e+308,   0.00000000e+000,
        -1.28000000e+002,   1.28000000e+002])

Ответ 7

Вы можете использовать np.where, чтобы найти, где у вас NaN:

import numpy as np

a = np.array([[   0,   43,   67,    0,   38],
              [ 100,   86,   96,  100,   94],
              [  76,   79,   83,   89,   56],
              [  88,   np.nan,   67,   89,   81],
              [  94,   79,   67,   89,   69],
              [  88,   79,   58,   72,   63],
              [  76,   79,   71,   67,   56],
              [  71,   71,   np.nan,   56,  100]])

b = np.where(np.isnan(a), a, 0)

In [20]: b
Out[20]: 
array([[   0.,   43.,   67.,    0.,   38.],
       [ 100.,   86.,   96.,  100.,   94.],
       [  76.,   79.,   83.,   89.,   56.],
       [  88.,    0.,   67.,   89.,   81.],
       [  94.,   79.,   67.,   89.,   69.],
       [  88.,   79.,   58.,   72.,   63.],
       [  76.,   79.,   71.,   67.,   56.],
       [  71.,   71.,    0.,   56.,  100.]])

Ответ 8

Вы можете использовать лямбда-функцию, пример для массива 1D:

import numpy as np
a = [np.nan, 2, 3]
map(lambda v:0 if np.isnan(v) == True else v, a)

Это даст вам результат:

[0, 2, 3]

Ответ 9

Для ваших целей, если все элементы хранятся как str, и вы просто используете отсортированные по мере использования, а затем проверяете первый элемент и заменяете его "0"

>>> l1 = ['88','NaN','67','89','81']
>>> n = sorted(l1,reverse=True)
['NaN', '89', '88', '81', '67']
>>> import math
>>> if math.isnan(float(n[0])):
...     n[0] = '0'
... 
>>> n
['0', '89', '88', '81', '67']