python - 考虑到 nans，如何有条件地更改 numpy 数组中的值？

Question

我的数组是一个二维矩阵，除了负值和正值外，它还有 numpy.nan 值:

>>> array
array([[        nan,         nan,         nan, ..., -0.04891211,
                nan,         nan],
       [        nan,         nan,         nan, ...,         nan,
                nan,         nan],
       [        nan,         nan,         nan, ...,         nan,
                nan,         nan],
       ..., 
       [-0.02510989, -0.02520096, -0.02669156, ...,         nan,
                nan,         nan],
       [-0.02725595, -0.02715945, -0.0286231 , ...,         nan,
                nan,         nan],
       [        nan,         nan,         nan, ...,         nan,
                nan,         nan]], dtype=float32)

(数组中有正数，只是不显示在预览中。)

我想用一个数字替换所有正数，用另一个数字替换所有负数。

如何使用 python/numpy 执行该操作？

(郑重声明，矩阵是geoimage的结果，我想对其进行分类)

Answer 1

您的数组中有 np.nan 这一事实应该无关紧要。只需使用花哨的索引:

x[x>0] = new_value_for_pos
x[x<0] = new_value_for_neg

如果你想替换你的np.nans:

x[np.isnan(x)] = something_not_nan

有关花式索引的更多信息 a tutorial和 NumPy documentation .