python里面的nan的几种情况_python:numpy中数组的NAN和常用统计方法

两个nan是不相等的

In [1]:import numpy as np

In [2]:np.nan != np.nan # 两个nan不想等，返回的是True

Out[2]: True

In [3]:np.nan = np.nan

In [4]:np.nan == np.nan # 两个nan想等，返回的是False

Out[4]: False

判断数组中不为0的数据的个数

In [5]:t = np.arange(24).reshape(4,6) # t赋值为4行6列的一个数组

In [6]:t

Out[6]:

array([[ 0, 1, 2, 3, 4, 5],

[ 6, 7, 8, 9, 10, 11],

[12, 13, 14, 15, 16, 17],

[18, 19, 20, 21, 22, 23]])

In [7]:t[:,0] = 0 # 将第一列赋值为0

In [8]:t

Out[8]:

array([[ 0, 1, 2, 3, 4, 5],

[ 0, 7, 8, 9, 10, 11],

[ 0, 13, 14, 15, 16, 17],

[ 0, 19, 20, 21, 22, 23]])

In [9]:np.count_nonzero(t) #　判断数组中不为０的数据的个数

Out[9]: 20

３. 判断数组中nan的个数，数组的计算

# 将t转换为float格式，因为nan是浮点型，将t中某些数据改为nan，必须将t转换为float

In [14]:t = t.astype(float)

In [16]:t[3,3:] = np.nan # 赋值为nan

In [17]:t

Out[17]:

array([[ 0., 1., 2., 3., 4., 5.],

[ 0., 7., 8., 9., 10., 11.],

[ 0., 13., 14., 15., 16., 17.],

[ 0., 19., 20., nan, nan, nan]])

In [19]:np.count_nonzero(t != t) # 方法1：判断nan的个数，t != t 即为nan，nan != nan

Out[19]: 3

In [20]:np.isnan(t) # np.isnan(t)和t != t效果一样，判断那些是nan的值

Out[20]:

array([[False, False, False, False, False, False],

[False, False, False, False, False, False],

[False, False, False, False, False, False],

[False, False, False, True, True, True]])

In [21]:np.count_nonzero(np.isnan(t)) # 方法2：判断nan的个数，np.isnan 即为nan

Out[21]: 3

# nan和任何值计算，结果都为nan

In [22]:np.sum(t)

Out[22]: nan

In [23]:np.sum(t,axis=0) # 列方向上值相加

Out[23]: array([ 0., 40., 44., nan, nan, nan])

In [24]: np.sum(t,axis=1) # 行方向上值相加

Out[34]: array([15., 45., 75., nan])