python - 检查二维 numpy 数组中的 nan

Question

我正在编写一小段代码，该代码以我之前制作的插值曲面开始。插值用 nan 填充表面的空隙。我的部分处理涉及查看特定点周围的局部窗口，并使用局部表面计算一些测量值。如果整个局部表面不包含 nan 值，我希望这段代码仅能够进行任何计算。代码遍历原始大表面并检查关于某个点的局部窗口是否有 nan。

我知道这不是最有效的方法，我不必担心时间效率。

这是我目前所拥有的:

for in in range(startz,endx):
    imin = i - half_tile
    imax = i + half_tile +1   

    for j in range(starty,endy):
        jmin = i - half_tile
        jmax = i + half_tile +1 

        #Test the local surface for nan's
        z = surface[imin:imax,jmin:jmax]
        Test = np.isnan(sum(z))

        #conditional statement
        if Test:
            print 'We have a nan'
            #set measures I want to calculate to zero

        else:
            print 'We  have a complete window'
            #do a set of calculations

变量 surface 是我最初创建的插值表面。 half_tile 变量只是定义我要使用的本地窗口的大小。 startx,endx,starty,endy 定义要迭代的原始表面的大小。

我遇到的问题是我的条件语句似乎不起作用。它会告诉我，我正在评估的本地窗口中没有任何 nan，但是我的其余代码(我没有在此处显示)将不起作用，因为它说数组中有 nan。

这方面的一个例子可能是:

 [[ 7.07494104  7.04592032  7.01689961  6.98787889  6.95885817  6.92983745
  6.90081674  6.87179602  6.8427753   6.81375458  6.78473387  6.75571315
  6.72669243]
 [ 7.10077447  7.07175376  7.04273304  7.01371232  6.98469161  6.95567089
 6.92665017  6.89762945  6.86860874  6.83958802  6.8105673   6.78154658
 6.75252587]
 [ 7.12660791  7.09758719  7.06856647  7.03954576  7.01052504  6.98150432
 6.9524836   6.92346289  6.89444217  6.86542145  6.83640073  6.80738002
  6.7783593 ]
  [ 7.15244134  7.12342063  7.09439991  7.06537919  7.03635847  7.00733776
 6.97831704  6.94929632  6.9202148   6.89105825  6.86190169  6.83274514
 6.80358859]
 [ 7.17804068  7.14888413  7.11972758  7.09057103  7.06141448  7.03225793
  7.00310137  6.97394482  6.94478827  6.91563172  6.88647517  6.85731862
      nan]]

这是我的代码正在评估的本地窗口的示例。在我的代码中，这将是 z。除了最后一个值是 nan 之外，整个数组都有很好的值。

我的代码中的“检查”功能没有发现数组中有一个 nan。条件语句在应该为 true 时返回 false，以指示存在 nan。我在检查数组的方式中遗漏了任何基本内容吗？还是我的方法完全错误？

Answer 1

isnan() 为数组中的每个元素返回一个数组，其值为 true 或 false。除了 isnan() 之外，你还需要 np.any()。看下面的例子

import numpy as np
a = np.array([[1,2,3,4],[1,2,3,np.NaN]])
print np.isnan(a)
print np.any(np.isnan(a))

结果

[[False False False False]
 [False False False  True]]
True