布尔索引可以很好的找出numpy数组中符合某条件的值,利用布尔索引对原数组进行操作,提取出符合条件的值,组成新的数组
本例主要是利用布尔索引找出数组中为nan的值,并将其进行替换成新的值,如本例中替换为所在行的平均值
值得注意的是:每一个nan的值是不相等的,且nan的类型为float类型,所以任何一个包含有nan值的数组是几乎不可能相等的
np.isnan(col)便可以构造一个布尔索引,其中为nan值的地方再索引中为True,其余值为False,可以利用这个布尔索引对原列进行切片,找出原列中值为nan的地方,并对之进行替换
def sumcol(ti):
# 便利每一列
for i in range(ti.shape[1]):
#把每一列拿出来做比较
tem_col = ti[:,i]
# 相同数组只有存在nan的地方才会不相等
nan_num = np.count_nonzero(tem_col != tem_col)
# 说明当前这一列中没有nan,如果有nan,则会返回nan值的个数
if nan_num == 0:
col_mean = np.mean(tem_col)
print(f'第{i+1}列平均值为:',col_mean)
else:
# tem_col == tem_col 这个步骤会生成一个布尔索引,
# 然后tem_col[tem_col == tem_col]再在这一列中找出True索引对应的值,并组成一个新的numpy数组
# 此时新的数组中不包含nan值
new = np.mean(tem_col[tem_col == tem_col])
# 查找值为nan的地方并对其进行替换
tem_col[np.isnan(tem_col)] = new
print(f'第{i+1}列包含有nan已更换为:',new)
print('新的ti:\n',ti)
if __name__ == '__main__':
t = np.arange(12).reshape(3,4).astype(float)
# 设置nan值,这里必须先将数组类型用astype(float)转换为float类型,否则nan值加不进去
t[1,2:] = np.nan
print(t)
sumcol(t)