numpy删除缺失值

以下是使用NumPy删除缺失值的方法：

import numpy as np

# 创建一个包含缺失值的数组
arr = np.array([1, 2, np.nan, 4, 5])

# 删除包含缺失值的行
new_arr = arr[~np.isnan(arr)]

# 输出删除缺失值后的数组
print(new_arr)

输出结果为：

[1. 2. 4. 5.]

在上述代码中，我们首先导入了NumPy库。然后，我们创建了一个包含缺失值的数组。接下来，我们使用`np.isnan()`函数找到包含缺失值的行，并使用`~`运算符删除这些行。最后，我们输出了删除缺失值后的数组。

相关问题

如何利用numpy库删掉缺失值

使用numpy库可以通过以下步骤来删除缺失值：
1. 导入numpy库：首先需要导入numpy库，可以使用以下代码实现：

   import numpy as np

2. 创建包含缺失值的numpy数组：使用numpy库创建一个包含缺失值的numpy数组，例如：

   arr = np.array([1, 2, np.nan, 4, 5])

3. 判断缺失值：使用numpy的isnan()函数来判断数组中的缺失值，该函数会返回一个布尔类型的数组，表示对应位置是否为缺失值。例如：

   mask = np.isnan(arr)

4. 删除缺失值：使用numpy的~操作符来取反布尔数组，然后通过索引操作来删除缺失值。例如：

   arr_cleaned = arr[~mask]

完整的代码示例如下：

import numpy as np

arr = np.array([1, 2, np.nan, 4, 5])
mask = np.isnan(arr)
arr_cleaned = arr[~mask]

print(arr_cleaned)

输出结果为：

[1. 2. 4. 5.]

如何从numpy数组中删除包含缺失值的行？

要从一个NumPy数组中删除包含缺失值的行，你可以使用`np.isnan()`函数来检查每个元素是否为缺失值，并将这些行索引出来进行删除。

下面是一个示例代码：

import numpy as np

# 创建一个包含缺失值的NumPy数组
arr = np.array([[1, 2, np.nan],
                [4, np.nan, 6],
                [7, 8, 9]])

# 使用np.isnan()函数检查缺失值
mask = np.isnan(arr).any(axis=1)

# 根据mask删除包含缺失值的行
arr = arr[~mask]

print(arr)

这段代码首先创建了一个包含缺失值的二维数组`arr`。然后，使用`np.isnan(arr).any(axis=1)`检查每一行是否包含缺失值，返回一个布尔类型的数组`mask`。最后，使用`arr[~mask]`根据`mask`删除包含缺失值的行。

运行以上代码，输出结果为：

[[7. 8. 9.]]

可以看到，包含缺失值的前两行已经被成功删除了。