当前位置:首页 » 数据分析 » 正文

如何将numpy二维数组中的np.nan值替换为指定的值

469 次  2021-07-20  分类 : 数据分析

基础知识:

(1)np.nan表示该值不是一个数,比如数据中收入、年龄的缺失值;np.inf表示无穷大

(2)np.nan == np.nan 的结果为False

(3)nan与任何数的操作结果均为nan,例如sum((np.nan,4)) 的结果为nan

(4)一个ndarray数组t1,可以用np.isnan(t1) 定位到nan值的位置,再用t1[np.isnan(t1)] = 指定值 将nan替换为指定值

(5)np.nan_to_num(t1),可以将t1中的nan替换为0

(6)t1[ t1 == t1]可以剔除所有nan只保留非nan值

现在生成一个3*4的数组,设定第1行,第2、3列位置两个元素为np.nan

```python 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. 问题1:

如何将t1中的nan替换为0

```python #方法1: for i in range(t1.shape[1]): col = t1[:,i] col[np.isnan(col)] = 0 #方法2:调用np.nan_to_num方法 t1 = np.nan_to_num(t1) #方法3:或用np.isnan(t1)做索引,然后替换,建议用该方法 t1[np.isnan(t1)] = 0 ```

方法3不但可以替换为0,替换为其它值也可,建议使用。

2. 问题2:

如何将t1中的nan替换为某些计算之后的值,例如将其替换为该列所有非 nan元素的均值

将原始数据中缺失的值替换为0有时未必是合适的。例如原始数据中某些人的年龄没有填,如果替换为0,将来在计算年龄平均值或做数据分析时就存在不合理的后果。此时,将年龄缺失的的人的年龄设为均值更为合理。

(1)方法1

```python #方法1: for i in range(t1.shape[1]): col = t1[:,i] #当前列中如果存在nan,由于np.nan不等于np.nan,所以如果某列中存在nan,则col!=col将会有元素为True,np.count_nonzero方法将会累计值为True的元素数量,可以通过这种方法来判断该列是否存在nan nan_num = np.count_nonzero(col != col) if nan_num: not_nan_col = col[col == col] #用布尔矩阵col == col做索引来筛选矩阵,布尔矩阵中False位置的元素将被剔除。 col[np.isnan(col)] = not_nan_col.mean() print(t1) ```

运行结果:

[[ 0. 1. 2. 3.]

[ 4. 5. 6. 7.]

[ 8. 9. 10. 11.]]

(2)方法2

```python #方法2:np.nanmean方法可以计算非nan值的均值,此外还有np.nanmax, np.nanmin方法。所以上述程序可以改写如下: mean = np.nanmean(t1,axis=0) print('各列的均值为:%s' %mean) for i in range(t1.shape[1]): col = t1[:,i] col[np.isnan(col)] = mean[i] print(t1) ```

运行结果同上

(3)方法3

使用功能强大的pandas库

```python #也可以用pandas来处理,更为简单便捷 import pandas as pd df = pd.DataFrame(t1) t1 = df.fillna(df.mean()).values #values代替as_matrix(),可以将DataFrame转换为ndarray print(t1) ```

运行结果同上。

补充:python 快速替换Numpy 中的Nan(空值)和inf (无限值)

在做数据处理的时候由于要保证数据的个数不变,需要把数据中的空值和无穷值替换为指定的值(此处为255),考虑到数据量比较大(50000000条数据),效率也是一个考虑因素。

下面主要给出了替换数据的核心代码

```python # +--+--+--+--+--+--+--+--+--+--+ print('Predict New Data......') start = datetime.datetime.now() dataPre = input_Data # 此处输入需要处理的原始数据 # 0: 00:23.012951 标记了这个方法的时间(以50000000条数据为例) 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 # 将数组里面的无穷值转为空值 dataPre4[np.isnan(dataPre4)] = 255 # # 将nan值替换为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) ```

可以看出几种方法的效率差别还是比较大的,尤其是使用了replace或者np.where函数的方法,比较慢。

以上为个人经验,希望能给大家一个参考,也希望大家多多支持python博客。

来源:python博客 欢迎分享!

本文链接:https://www.94e.cn/info/7137

标签:pandas  numpy  

<< 上一篇 下一篇 >>

  Powered By python教程网   鲁ICP备18013710号
python博客 - 小白学python最友好的网站!

扫一扫,关注微信公众号 扫一扫,关注微信公众号