Python用numpy判断列表的空值nan

你可以使用numpy的isnan函数来判断numpy数组或列表中的空值（NaN）。示例如下：

import numpy as np

lst = [1, 2, np.nan, 4, np.nan, 6]

# 将列表转换为numpy数组
arr = np.array(lst)

# 判断是否有空值
print(np.isnan(arr))

输出结果为：

[False False  True False  True False]

可以看到，输出结果是一个布尔类型的数组，表示对应位置上是否有空值。False表示没有空值，True表示有空值。

相关问题

numpy删除所有空值的行

你可以使用`numpy`的`isnan()`函数和`any()`函数来删除所有空值的行，具体操作如下：

import numpy as np

# 创建一个带有空值的数组
arr = np.array([[1, 2, 3], [4, np.nan, 6], [7, 8, np.nan]])

# 删除所有含有空值的行
arr = arr[~np.isnan(arr).any(axis=1)]

print(arr)

输出结果为：

[[1. 2. 3.]]

在这个例子中，我们首先创建了一个带有空值的二维数组`arr`，然后使用`isnan()`函数找出所有的空值，并使用`any()`函数在每一行中查找是否有至少一个空值。最后，使用`~`运算符取反，得到一个布尔型的掩码，用于保留所有不含有空值的行。

numpy中将数组空值填为0

在 NumPy 中，你可以使用 `numpy.nan_to_num()` 函数或者直接对数组应用 `fillna(0)` 来将数组中的 NaN 或者缺失值替换为 0。这两个方法的具体用法如下：

1. 使用 `numpy.nan_to_num()`:

   import numpy as np

   array_with_nans = np.array([1, 2, np.nan, 4])
   filled_array = np.nan_to_num(array_with_nans)
   print(filled_array)  # 输出：[ 1.  2.  0.  4.]

2. 使用 Pandas 的 `fillna()` 方法（适用于NumPy数组通过转换为DataFrame后的操作）:

   from pandas.api.types import isna

   array_with_nans = np.array([1, 2, np.nan, 4])
   df = pd.DataFrame({'scores': array_with_nans})
   filled_df = df.fillna(0)
   filled_array = filled_df['scores'].values
   print(filled_array)  # 输出：[ 1.  2.  0.  4.]

注意：`nan_to_num()` 会直接将 NaN 转换成 0，而 `fillna()` 则是在数值上填充指定的值（这里是 0）。