python - number - replace nan for 0 pandas

convertir valor nan a cero

Question

Tengo una matriz numpy 2D. Algunos de los valores en esta matriz son NaN . Quiero realizar ciertas operaciones usando esta matriz. Por ejemplo, considere la matriz:

[[ 0. 43. 67. 0. 38.]
[ 100. 86. 96. 100. 94.]
[ 76. 79. 83. 89. 56.]
[ 88. NaN 67. 89. 81.]
[ 94. 79. 67. 89. 69.]
[ 88. 79. 58. 72. 63.]
[ 76. 79. 71. 67. 56.]
[ 71. 71. NaN 56. 100.]]

Intento tomar cada fila, una a la vez, ordenarla en orden inverso para obtener un máximo de 3 valores de la fila y tomar su promedio. El código que probé es:

# nparr is a 2D numpy array
for entry in nparr:
sortedentry = sorted(entry, reverse=True)
highest_3_values = sortedentry[:3]
avg_highest_3 = float(sum(highest_3_values)) / 3

Esto no funciona para las filas que contienen NaN . Mi pregunta es, ¿hay una manera rápida de convertir todos los valores NaN a cero en la matriz numpy 2D para que no tenga problemas con la clasificación y otras cosas que estoy tratando de hacer.

Answer 1

¿Qué hay de nan_to_num() ?

Answer 2

Donde A es su matriz 2D:

import numpy as np
A[np.isnan(A)] = 0

La función isnan produce una matriz bool que indica dónde están los valores NaN . Una matriz booleana puede usarse para indexar una matriz de la misma forma. Piénsalo como una máscara.

Answer 3

Esto debería funcionar:

from numpy import *
a = array([[1, 2, 3], [0, 3, NaN]])
where_are_NaNs = isnan(a)
a[where_are_NaNs] = 0

En el caso anterior where_are_NaNs es:

In [12]: where_are_NaNs
Out[12]:
array([[False, False, False],
[False, False, True]], dtype=bool)

Answer 4

Nan nunca es igual a Nan

if z!=z:z=0

entonces para una matriz 2D

for entry in nparr:
if entry!=entry:entry=0

Answer 5

Para sus propósitos, si todos los elementos se almacenan como str y usted solo usa ordenado mientras está usando y luego verifica el primer elemento y lo reemplaza con ''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'']

Answer 6

Puede usar la función lambda, un ejemplo para la matriz 1D:

import numpy as np
a = [np.nan, 2, 3]
map(lambda v:0 if np.isnan(v) == True else v, a)

Esto te dará el resultado:

[0, 2, 3]

Answer 7

Puedes usar numpy.nan_to_num :

numpy.nan_to_num (x): Reemplace nan con cero e inf con números finitos .

Ejemplo (ver 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])

Answer 8

Puedes usar np.where para encontrar dónde tienes 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.]])

Answer 9

Un ejemplo de código para la respuesta de Drake para usar 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.]])