如何在 Python 的 NumPy 中去除 NaN 值？

在 NumPy 中，可以使用 `numpy.isnan()` 函数来判断数组中的元素是否为 NaN。要去除数组中的 NaN 值，可以使用 `numpy.isnan()` 结果的布尔索引来筛选数组。

下面是一个示例代码：

import numpy as np

arr = np.array([1, 2, np.nan, 4, np.nan, 6])

# 判断数组中的元素是否为 NaN
mask = np.isnan(arr)

# 使用布尔索引筛选出非 NaN 值
new_arr = arr[~mask]

print(new_arr)

输出结果：

[1. 2. 4. 6.]

在上面的代码中，首先使用 `numpy.isnan()` 函数判断数组 `arr` 中的元素是否为 NaN，并将结果保存在 `mask` 中。然后，使用布尔索引 `~mask` 来筛选出非 NaN 值，将其保存在 `new_arr` 中。最后，打印输出 `new_arr`。

这样就可以在 NumPy 中去除数组中的 NaN 值了。

相关问题

python numpy 去掉nan

你可以使用`numpy.isnan()`函数来判断数组中的元素是否为NaN（Not a Number），然后使用布尔索引来过滤掉NaN值。以下是一个示例：

import numpy as np

arr = np.array([1, 2, np.nan, 3, 4, np.nan])

# 使用布尔索引过滤掉NaN值
arr_without_nan = arr[~np.isnan(arr)]

print(arr_without_nan)

输出结果为：`[1. 2. 3. 4.]`

在上述示例中，`np.isnan(arr)`返回一个布尔数组，表示`arr`中的每个元素是否为NaN。然后，使用取反操作符`~`将布尔数组取反，得到一个新的布尔数组，表示不是NaN的元素。最后，将该布尔数组作为索引应用于原始数组`arr`，即可获取不含NaN的新数组`arr_without_nan`。

NumPy剔除nan值

在NumPy中，剔除（或过滤掉）含有NaN（Not a Number）值的元素，可以使用`np.isnan()`函数配合`numpy.where()`、`~`（否定运算符）和布尔索引来完成。以下是一些常见的方式：

1. **使用where()函数筛选出非NaN值**:

   import numpy as np

   arr = np.array([1.0, np.nan, 3.0, np.nan, 5.0])
   non_nan_indices = ~np.isnan(arr)  # 返回一个布尔数组，True表示非NaN
   filtered_arr = arr[non_nan_indices]

2. **结合数组和布尔索引**:

   non_nan_mask = np.isfinite(arr)  # 或者 np.logical_not(np.isnan(arr))
   filtered_arr = arr[non_nan_mask]

3. **使用条件表达式**:

   filtered_arr = arr[np.logical_and(~np.isnan(arr), np.isfinite(arr))]

这三种方法都可以得到一个不含NaN值的新数组。如果你只是想去除含有NaN的行或列，可以结合使用`np.isnan().any(axis=0)`（沿列检查是否有NaN）或`np.isnan().all(axis=0)`（沿列检查是否所有元素都是NaN）等方法，再通过布尔索引进行删除。记得，这些操作都不会改变原始数组，而是生成新的数组。