在numpy中NaN值一般出現(xiàn)在數(shù)據清洗前,出現(xiàn)這個值說明這個數(shù)據是缺失的。在有些時候我們會選擇直接刪除這些數(shù)據,但有些時候這些數(shù)據是不能刪除的,這個時候我們就需要使用一些方法將np.nan值替換為指定的值。那么在二維數(shù)組中np.nan值替換為指定的值要如何操作呢?接下來的這篇文章告訴你。
基礎知識:
(1)np.nan表示該值不是一個數(shù),比如數(shù)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(shù)的操作結果均為nan,例如sum((np.nan,4)) 的結果為nan
(4)一個ndarray數(shù)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(xiàn)在生成一個3*4的數(shù)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(shù)據中缺失的值替換為0有時未必是合適的。例如原始數(shù)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(shù)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(shù)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(shù)據處理的時候由于要保證數(shù)據的個數(shù)不變,需要把數(shù)據中的空值和無窮值替換為指定的值(此處為255),考慮到數(shù)據量比較大(50000000條數(shù)據),效率也是一個考慮因素。
下面主要給出了替換數(shù)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(shù)據
# 0: 00:23.012951 標記了這個方法的時間(以50000000條數(shù)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(shù)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(shù)的方法,比較慢。
以上就是在二維數(shù)組中np.nan值替換為指定的值的詳情介紹了,希望能給大家一個參考,也希望大家多多支持W3Cschool。