AttributeError: объект 'numpy.ndarray' не имеет атрибута 'fillna' [duplicate]
Sqlectron - это межплатформенный SQL-клиент с открытым исходным кодом с простым и простым графическим интерфейсом, который поддерживает Microsoft SQL Server (наряду с PostgreSQL, MySQL, Cassandra и SQLite).
8 ответов
Вы можете использовать np.where, чтобы найти, где у вас есть NaN:
import numpy as np
a = np.array([[ 0, 43, 67, 0, 38],
[ 100, 86, 96, 100, 94],
[ 76, 79, 83, 89, 56],
[ 88, np.nan, 67, 89, 81],
[ 94, 79, 67, 89, 69],
[ 88, 79, 58, 72, 63],
[ 76, 79, 71, 67, 56],
[ 71, 71, np.nan, 56, 100]])
b = np.where(np.isnan(a), 0, a)
In [20]: b
Out[20]:
array([[ 0., 43., 67., 0., 38.],
[ 100., 86., 96., 100., 94.],
[ 76., 79., 83., 89., 56.],
[ 88., 0., 67., 89., 81.],
[ 94., 79., 67., 89., 69.],
[ 88., 79., 58., 72., 63.],
[ 76., 79., 71., 67., 56.],
[ 71., 71., 0., 56., 100.]])
-
1как это, он не работает, вам нужно изменить np.where(np.isnan(a), a, 0) на np.where(~np.isnan(a), a, 0). Это может быть разница в используемых версиях. – TehTris 2 March 2018 в 03:21
-
2@TehTris, ты прав, спасибо. Я изменил его на b = np.where(np.isnan(a), 0, a), что более прямолинейно, с ~, как я думаю. – Anton Protopopov 2 March 2018 в 09:22
Вы можете использовать numpy.nan_to_num:
numpy.nan_to_num (x): Заменить nan с нулем и inf с конечными числами.Пример (см. doc):
>>> np.set_printoptions(precision=8)
>>> x = np.array([np.inf, -np.inf, np.nan, -128, 128])
>>> np.nan_to_num(x)
array([ 1.79769313e+308, -1.79769313e+308, 0.00000000e+000,
-1.28000000e+002, 1.28000000e+002])
Пример кода для ответа drake на использование nan_to_num:
>>> import numpy as np
>>> A = np.array([[1, 2, 3], [0, 3, np.NaN]])
>>> A = np.nan_to_num(A)
>>> A
array([[ 1., 2., 3.],
[ 0., 3., 0.]])
-
1nan_to_num () также изменяет бесконечности - в некоторых случаях это может быть нежелательным. – Agos 10 May 2011 в 13:43
-
2
-
3Я не был уверен в tat & quot; & gt; 10x slow & quot; поэтому я проверил. Действительно, это намного медленнее. Спасибо за указание на это. – Gabriel 7 May 2018 в 18:05
nan никогда не равен nan
if z!=z:z=0
, поэтому для 2D-массива
for entry in nparr:
if entry!=entry:entry=0
-
1Это не работает: entry - это 1D-массив, поэтому тест entry != entry не дает простого булева, но повышает ValueError. – Eric Lebigot 5 August 2017 в 22:20
Вы можете использовать лямбда-функцию, пример для массива 1D:
import numpy as np
a = [np.nan, 2, 3]
map(lambda v:0 if np.isnan(v) == True else v, a)
Это даст вам результат:
[0, 2, 3]
Где A - ваш 2D-массив:
import numpy as np
A[np.isnan(A)] = 0
Функция isnan создает массив bool, указывающий, где находятся значения NaN. Логический массив может использоваться для индексации массива той же формы. Подумайте об этом как маску.
-
1
Для ваших целей, если все элементы хранятся как str, и вы просто используете отсортированные по мере использования, а затем проверяете первый элемент и заменяете его «0»
>>> l1 = ['88','NaN','67','89','81']
>>> n = sorted(l1,reverse=True)
['NaN', '89', '88', '81', '67']
>>> import math
>>> if math.isnan(float(n[0])):
... n[0] = '0'
...
>>> n
['0', '89', '88', '81', '67']
-
1Разве ваш комментарий немного суровый? Я знаю, что такое numpy, но знал, что массив не будет строковым представлением чисел. Я специально не делал этого с точки зрения сперва, но с точки зрения python, если бы это было полезно. – Senthil Kumaran 26 February 2011 в 07:24
-
2Переупорядочение массива просто звучит как путаный способ решения этого. – holografix 21 June 2014 в 21:25