欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

如何將numpy二維數組中的np.nan值替換為指定的值

 更新時間:2021年05月14日 10:16:17   作者:PythonStyle  
這篇文章主要介紹了將numpy二維數組中的np.nan值替換為指定的值操作,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教

基礎知識:

(1)np.nan表示該值不是一個數,比如數據中收入、年齡的缺失值;np.inf表示無窮大

(2)np.nan == np.nan 的結果為False

(3)nan與任何數的操作結果均為nan,例如sum((np.nan,4)) 的結果為nan

(4)一個ndarray數組t1,可以用np.isnan(t1) 定位到nan值的位置,再用t1[np.isnan(t1)] = 指定值 將nan替換為指定值

(5)np.nan_to_num(t1),可以將t1中的nan替換為0

(6)t1[ t1 == t1]可以剔除所有nan只保留非nan值

現在生成一個3*4的數組,設定第1行,第2、3列位置兩個元素為np.nan

import numpy as np
t1 = np.arange(12).reshape(3,4).astype('float')
t1[1,2:] = np.nan
print(t1)

[[ 0. 1. 2. 3.]

[ 4. 5. nan nan]

[ 8. 9. 10. 11.]]

1. 問題1:

如何將t1中的nan替換為0

#方法1:
for i in range(t1.shape[1]):
    col = t1[:,i]
    col[np.isnan(col)] = 0
#方法2:調用np.nan_to_num方法
t1 = np.nan_to_num(t1)
#方法3:或用np.isnan(t1)做索引,然后替換,建議用該方法
t1[np.isnan(t1)] = 0

方法3不但可以替換為0,替換為其它值也可,建議使用。

2. 問題2:

如何將t1中的nan替換為某些計算之后的值,例如將其替換為該列所有非 nan元素的均值

將原始數據中缺失的值替換為0有時未必是合適的。例如原始數據中某些人的年齡沒有填,如果替換為0,將來在計算年齡平均值或做數據分析時就存在不合理的后果。此時,將年齡缺失的的人的年齡設為均值更為合理。

(1)方法1

#方法1:
for i in range(t1.shape[1]):
    col = t1[:,i]
    #當前列中如果存在nan,由于np.nan不等于np.nan,所以如果某列中存在nan,則col!=col將會有元素為True,np.count_nonzero方法將會累計值為True的元素數量,可以通過這種方法來判斷該列是否存在nan
    nan_num = np.count_nonzero(col != col)
    if nan_num:
        not_nan_col = col[col == col] #用布爾矩陣col == col做索引來篩選矩陣,布爾矩陣中False位置的元素將被剔除。
        col[np.isnan(col)] = not_nan_col.mean()
print(t1)

運行結果:

[[ 0. 1. 2. 3.]

[ 4. 5. 6. 7.]

[ 8. 9. 10. 11.]]

(2)方法2

#方法2:np.nanmean方法可以計算非nan值的均值,此外還有np.nanmax, np.nanmin方法。所以上述程序可以改寫如下:
mean = np.nanmean(t1,axis=0)
print('各列的均值為:%s' %mean)
for i in range(t1.shape[1]):
    col = t1[:,i]
    col[np.isnan(col)] = mean[i]
print(t1)

運行結果同上

(3)方法3

使用功能強大的pandas庫

#也可以用pandas來處理,更為簡單便捷
import pandas as pd
df = pd.DataFrame(t1)
t1 = df.fillna(df.mean()).values  #values代替as_matrix(),可以將DataFrame轉換為ndarray
print(t1)

運行結果同上。

補充:python 快速替換Numpy 中的Nan(空值)和inf (無限值)

在做數據處理的時候由于要保證數據的個數不變,需要把數據中的空值和無窮值替換為指定的值(此處為255),考慮到數據量比較大(50000000條數據),效率也是一個考慮因素。

下面主要給出了替換數據的核心代碼

# +--+--+--+--+--+--+--+--+--+--+
print('Predict New Data......')
start = datetime.datetime.now()

dataPre = input_Data   # 此處輸入需要處理的原始數據

# 0: 00:23.012951  標記了這個方法的時間(以50000000條數據為例)
dataPre0 = np.array(dataPre)
dataPre0[np.isnan(dataPre0)] = 255
dataPre0[np.isinf(dataPre0)] = 255

# 0:02:03.038840
dataPre1 = (dataPre)
dataPre1 = dataPre1.replace([np.inf, -np.inf], np.nan)
dataPre1 = dataPre1.fillna(value = 255)

# 0:02:03.140287
dataPre2 = (dataPre)
dataPre2 = (dataPre2.replace([np.inf, -np.inf], np.nan)).fillna(value = 255)    # shi yong te ding shuju tian chong

# 0:00:30.346661
dataPre3 = np.array(dataPre)
dataPre3[(dataPre3 == float('inf')) | (dataPre3 == float('-inf')) | (dataPre3 == float('nan'))] = 255

# 0:00:19.702519
dataPre4 = np.array(dataPre)
dataPre4[np.isinf(dataPre4)] = np.nan  # 將數組里面的無窮值轉為空值
dataPre4[np.isnan(dataPre4)] = 255  # # 將nan值替換為255

# 0:01:10.404677
dataPre5 = np.array(dataPre)
dataPre5 = np.where(np.isnan(dataPre5), 255, dataPre5)
dataPre5 = np.where(np.isinf(dataPre5), 255, dataPre5)

可以看出幾種方法的效率差別還是比較大的,尤其是使用了replace或者np.where函數的方法,比較慢。

以上為個人經驗,希望能給大家一個參考,也希望大家多多支持腳本之家。

相關文章

  • python調用tcpdump抓包過濾的方法

    python調用tcpdump抓包過濾的方法

    這篇文章主要為大家詳細介紹了python調用tcpdump抓包過濾的方法,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2018-07-07
  • python 的列表遍歷刪除實現代碼

    python 的列表遍歷刪除實現代碼

    這篇文章主要介紹了python 的列表遍歷刪除,需要的朋友可以參考下
    2015-11-11
  • Python 調用DLL操作抄表機

    Python 調用DLL操作抄表機

    Python 調用DLL的實用代碼。
    2009-01-01
  • 提高python代碼可讀性利器pycodestyle使用詳解

    提高python代碼可讀性利器pycodestyle使用詳解

    鑒于 Python 在數據科學中的流行,我將深入研究 pycodestyle 的使用方法,以提高 Python 代碼的質量和可讀性。如果你想提升代碼質量,歡迎收藏學習,有所收獲,點贊支持
    2021-11-11
  • 對Python subprocess.Popen子進程管道阻塞詳解

    對Python subprocess.Popen子進程管道阻塞詳解

    今天小編就為大家分享一篇對Python subprocess.Popen子進程管道阻塞詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-10-10
  • PyTorch?Autograd的核心原理和功能深入探究

    PyTorch?Autograd的核心原理和功能深入探究

    本文深入探討了PyTorch中Autograd的核心原理和功能,從基本概念、Tensor與Autograd的交互,到計算圖的構建和管理,再到反向傳播和梯度計算的細節(jié),最后涵蓋了Autograd的高級特性
    2024-01-01
  • Python必備技巧之Pandas數據合并函數

    Python必備技巧之Pandas數據合并函數

    Pandas中一共有五個數據合并函數,分別為:concat、append、merge、join、combine,本文詳細講解這五個函數的使用方法,需要的可以參考一下
    2022-03-03
  • python中copy和deepcopy的使用區(qū)別

    python中copy和deepcopy的使用區(qū)別

    本文主要介紹了python中copy和deepcopy的使用區(qū)別,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧
    2024-04-04
  • Windows下pycharm安裝第三方庫失敗(通用解決方案)

    Windows下pycharm安裝第三方庫失敗(通用解決方案)

    這篇文章主要介紹了Windows下pycharm安裝第三方庫失敗(通用解決方案),文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧
    2020-09-09
  • Django 連接sql server數據庫的方法

    Django 連接sql server數據庫的方法

    這篇文章主要介紹了Django 連接sql server數據庫的方法,小編覺得挺不錯的,現在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧
    2018-06-06

最新評論