从 NumPy 数组中删除 Nan 值
-
在 NumPy 中使用
logical_not()和isnan()方法删除 Nan 值 -
在 NumPy 中使用
isfinite()方法删除 Nan 值 -
使用
math.isnan方法删除 Nan 值 -
使用
pandas.isnull方法删除 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() 和 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。
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 2 是 Line 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 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.