取出 np.array 中非nan

要从np.array中提取非nan值，可以使用 np.isnan() 函数来判断元素是否为nan，并使用筛选条件来获取非nan元素。以下是一个示例代码：

import numpy as np

arr = np.array([1, np.nan, 2, 3, np.nan, 4, 5])

result = arr[~np.isnan(arr)]

print(result)

输出结果为：[1. 2. 3. 4. 5.]

在示例代码中，首先创建了一个包含nan的np.array。然后，使用 np.isnan() 来检查每个元素是否为nan，返回一个布尔型的np.array，其中True表示元素是nan，False表示元素不是nan。最后，通过在原始数组中使用布尔索引来筛选非nan元素，即使用“~np.isnan(arr)”作为索引。得到的 `result` 即为提取出来的非nan值数组。

值得注意的是，使用上述方法提取出的非nan值将被转换为浮点类型。如果原始数组不是浮点类型，提取出的非nan值数组也会变成浮点类型。如果需要保持原始数组的数据类型，可以通过添加适当的数据类型转换代码来实现。

相关问题

python过滤掉numpy.array中非nan数据实例

要过滤掉numpy.array中的非NaN数据实例，可以使用np.isnan()函数和np.logical_not()函数来完成。

首先，我们需要导入numpy库，并创建一个含有NaN和非NaN数据的numpy数组。

import numpy as np

# 创建一个含有NaN和非NaN数据的numpy数组
arr = np.array([1, 2, np.nan, 4, np.nan, 6])

然后，我们可以使用np.isnan()函数来找出数组中的NaN数据，并返回一个布尔值数组。

# 找出数组中的NaN数据
is_nan = np.isnan(arr)

接下来，我们可以使用np.logical_not()函数来找出数组中的非NaN数据，并返回一个布尔值数组。

# 找出数组中的非NaN数据
not_nan = np.logical_not(is_nan)

最后，我们可以使用这个布尔值数组来过滤掉数组中的非NaN数据实例。

# 过滤掉数组中的非NaN数据实例
filtered_arr = arr[not_nan]

这样，我们就得到了一个只包含NaN数据的numpy数组。

np.nan语法

`np.nan`是NumPy库中的一个常量，表示“不是一个数字（Not a Number）”。它通常用于表示缺失的或未定义的值。在NumPy数组中，可以将缺失的或未定义的值设置为`np.nan`。

以下是一些示例：

import numpy as np

# 定义一个包含 np.nan 的数组
a = np.array([1, 2, np.nan, 4])
print(a)

# 判断数组中是否存在 np.nan
print(np.isnan(a))

# 计算数组中非缺失值的平均值
print(np.nanmean(a))

# 替换数组中的 np.nan 为 0
a[np.isnan(a)] = 0
print(a)

输出：

[ 1.  2. nan  4.]
[False False  True False]
2.3333333333333335
[1. 2. 0. 4.]