python实战应用讲解-【numpy数组篇】实用小技巧（三）（附python示例代码）

目录

 

计算NumPy数组中非NaN元素的数量

方法1：使用条件

方法2：使用isan()

方法3：使用np.count_nonzero()函数

创建一个连续的扁平化的NumPy数组

使用NumPy创建一个数组，它是给定大小的每个连续子数组的平均值

Numpy中reshape()和resize()方法的区别

按Fortran顺序显示Numpy数组

使用NumPy将每一行除以一个向量元素

---

计算NumPy数组中非NaN元素的数量

NAN:当你不关心该位置的值是什么时，就会使用它。也许有时会被用来代替缺失的数据，或损坏的数据。

方法1：使用条件

在这个例子中，我们将使用一维数组。在下面给出的代码中，我们在给定的NumPy数组的每个条目上循环，并检查该值是否为NaN。

import numpy as np
  
ex1 = np.array([1, 4, -9, np.nan])
ex2 = np.array([1, 45, -2, np.nan, 3, 
                -np.nan, 3, np.nan])
  
  
def approach_1(data):
    # here the input data, is a numpy ndarray
      
    # initialize the number of non-NaN elements 
    # in data
    count = 0       
      
    # loop over each entry of the data
    for entry in data:          
        
          # check whether the entry is a non-NaN value