numpy里面的布尔索引操作实例

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)