python - Numpy 确实对待 float ('nan' ) 并且 float 不同 - 转换为 None

Question

我想从普通数组创建一个 Numpy 数组并将 nan 值转换为 None - 但成功取决于天气第一个值是“普通” float ，或 float('nan')。

这是我的代码，从初始数组开始:

print(a)
array('d', [3.2345, nan, 2.0, 3.2, 1.0, 3.0])
print(b)
array('d', [nan, nan, 2.0, 3.2, 1.0, 3.0])

现在我想通过向量化函数将所有 nan 值交换为 Python None:

def convert(x):
    if x != x:
        return None
    else:
        return x

convert_vec = numpy.vectorize(convert)

很简单，但会导致两种不同的结果:

numpy.asarray(convert_vec(a))

array([[ 3.2345,  2.    ,  1.    ], [    nan,  3.2   ,  3.    ]])

numpy.asarray(convert_vec(b))
array([[None, 2.0, 1.0], [None, 3.2, 3.0]], dtype=object)

这是为什么？是的，我可以看到一个小区别 - 第二个将 object 作为 dtype。但是使用 numpy.asarray(convert_vec(a), dtype=object) 修复了它 - 两者都有 object 作为 dtype - 但它没有改变结果的差异。

Answer 1

np.nan 是一个浮点值，None 不是数字。

In [464]: np.array([1,2,np.nan,3])
Out[464]: array([  1.,   2.,  nan,   3.])

In [465]: np.array([1,2,None,3])
Out[465]: array([1, 2, None, 3], dtype=object)

In [466]: np.array([1,2,None,3],dtype=float)
Out[466]: array([  1.,   2.,  nan,   3.])

如果您尝试创建一个包含None 的数组，结果将是一个dtype=object 数组。如果您坚持使用 float dtype，则 None 将转换为 nan。

在vectorize 的情况下，如果您没有指定返回数据类型，它会从第一个元素推导出来。

你的例子有点困惑(你需要编辑它们)，但我认为

convert(np.nan) => None
convert(123) => 123

所以

convert_vec([123,nan,...]) => [123, nan, ...],dtype=float
convert_vec([nan,123,...]) => [None, 123,...],dtype=object

• 尝试将 np.nan 转换为 None 是个坏主意，除非可能出于显示目的。

• vectorize 没有明确的结果数据类型规范是个坏主意

• 这可能不是 vectorize 的良好用法。

这是转换 nan 值的另一种方法:

In [467]: a=np.array([1,2,np.nan,34,np.nan],float)    
In [468]: a
Out[468]: array([  1.,   2.,  nan,  34.,  nan])
In [471]: ind=a!=a   
In [472]: ind
Out[472]: array([False, False,  True, False,  True], dtype=bool)

In [473]: a[ind]=0   # not trying None
In [474]: a
Out[474]: array([  1.,   2.,   0.,  34.,   0.])

或者使用掩码数组:

In [477]: am=np.ma.masked_invalid(a)

In [478]: am
Out[478]: 
masked_array(data = [1.0 2.0 -- 34.0 --],
             mask = [False False  True False  True],
       fill_value = 1e+20)

In [479]: am.filled(0)
Out[479]: array([  1.,   2.,   0.,  34.,   0.])