從 NumPy 陣列中刪除 Nan 值
Vaibhav Vaibhav
2023年1月30日
-
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]
作者: Vaibhav Vaibhav