從 NumPy 陣列中刪除 Nan 值
-
在 NumPy 中使用
logical_not()和isnan()方法刪除 Nan 值 -
在 NumPy 中使用
isfinite()方法刪除 Nan 值 -
使用
math.isnan方法刪除 Nan 值 -
使用
pandas.isnull方法刪除 Nan 值
本文將討論一些內建的 NumPy 函式，你可以使用這些函式刪除 nan 值。
在 NumPy 中使用 logical_not() 和 isnan() 方法刪除 Nan 值
logical_not()用於將邏輯 NOT 應用於陣列的元素。isnan() 是一個布林函式，用於檢查元素是否為 nan。
使用 isnan() 函式，我們可以建立一個布林陣列，該陣列的所有非 nan 值均具有 False，而所有 nan 值均具有 True。接下來，使用 logical_not() 函式，我們可以將 True 轉換為 False，反之亦然。
最後，使用布林索引，我們可以從原始 NumPy 陣列中過濾所有非 nan 值。所有以 True 作為其值的索引將用於過濾 NumPy 陣列。
請參考以下程式碼片段以獲取解決方案。
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)
輸出：
[ 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 2 是 Line 1 的簡化版本。
在 NumPy 中使用 isfinite() 方法刪除 Nan 值
顧名思義，isfinite() 函式是一個布林函式，用於檢查元素是否為有限值。它還可以檢查陣列中的有限值，併為該陣列返回一個布林陣列。布林陣列將為所有 nan 值儲存 False，為所有有限值儲存 True。
我們將使用此函式為目標陣列檢索一個布林陣列。使用布林索引，我們將過濾所有有限值。同樣，如上所述，具有 True 值的索引將用於過濾陣列。
這是示例程式碼。
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)
輸出：
[ 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]
要了解有關此函式的更多資訊，請參考官方文件
使用 math.isnan 方法刪除 Nan 值
除了這兩個 NumPy 解決方案之外，還有兩種其他刪除 nan 值的方法。這兩種方式涉及 math 庫中的 isnan() 函式和 pandas 庫中的 isnull 函式。這兩個函式都會檢查元素是否為 nan，並返回布林值結果。
這是使用 isnan() 方法的解決方案。
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])
輸出：
[ 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 方法刪除 Nan 值
以下是使用 pandas 中的 isnull() 方法的解決方案。
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
輸出：
[ 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 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.