我正在使用不同数据类型的numpy数组。我想知道，在任何特定的数组中，哪些元素是 NaN。通常，这就是np.isnan的目的。
但是，np.isnan 对数据类型为 object(或任何字符串数据类型(的数组不友好：
>>> str_arr = np.array(["A", "B", "C"])
>>> np.isnan(str_arr)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: Not implemented for this type
>>> obj_arr = np.array([1, 2, "A"], dtype=object)
>>> np.isnan(obj_arr)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: ufunc 'isnan' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''
我想从这两个电话中得到的只是np.array([False, False, False]).我不能只是把try和except TypeError放在我的np.isnan调用周围，并假设任何生成TypeError的数组都不包含 NaN：毕竟，我希望np.isnan(np.array([1, np.NaN, "A"]))返回np.array([False, True, False])。
我目前的解决方案是创建一个类型为 np.float64 的新数组，循环访问原始数组的元素，try将该元素放入新数组中(如果失败，则将其保留为零(，然后在新数组上调用np.isnan。然而，这当然是相当缓慢的。(至少，对于大型对象数组。
def isnan(arr):
if isinstance(arr, np.ndarray) and (arr.dtype == object):
# Create a new array of dtype float64, fill it with the same values as the input array (where possible), and
# then call np.isnan on the new array. This way, np.isnan is only called once. (Much faster than calling it on
# every element in the input array.)
new_arr = np.zeros((len(arr),), dtype=np.float64)
for idx in xrange(len(arr)):
try:
new_arr[idx] = arr[idx]
except Exception:
pass
return np.isnan(new_arr)
else:
try:
return np.isnan(arr)
except TypeError:
return False
这种特殊的实现也仅适用于一维数组，我想不出一种体面的方法可以让for循环在任意数量的维度上运行。
有没有更有效的方法来找出object型数组中的哪些元素是 NaN？
编辑：我正在运行Python 2.7.10。
请注意，[x is np.nan for x in np.array([np.nan])]返回False：np.nan在内存中并不总是与不同np.nan相同的对象。
我不希望字符串"nan"被视为等同于 np.nan：我希望isnan(np.array(["nan"], dtype=object))返回np.array([False])。
多维性不是一个大问题。(没有什么是ravel和reshape无法解决的:p。
任何依赖于is运算符来测试两个 NaN 等价性的函数并不总是有效。(如果您认为他们应该这样做，请问问自己is操作员实际上做了什么！
如果你愿意使用 pandas 库，一个涵盖这种情况的方便函数是 pd.isnull：
pandas.isnull(obj)检测缺失值(数值数组中的 NaN，对象数组中的无/NaN(
下面是一个示例：
$ python
>>> import numpy
>>> import pandas
>>> array = numpy.asarray(['a', float('nan')], dtype=object)
>>> pandas.isnull(array)
array([False, True])
您可以使用列表组合来获取任何 nan 的索引，在这种情况下可能会更快：
obj_arr = np.array([1, 2, np.nan, "A"], dtype=object)
inds = [i for i,n in enumerate(obj_arr) if str(n) == "nan"]
或者，如果你想要一个布尔掩码：
mask = [True if str(n) == "nan" else False for n in obj_arr]
使用 is np.nan 似乎也可以在不需要强制转换为 str 的情况下工作：
In [29]: obj_arr = np.array([1, 2, np.nan, "A"], dtype=object)
In [30]: [x is np.nan for x in obj_arr]
Out[30]: [False, False, True, False]
对于平面和多维数组，您可以检查形状：
def masks(a):
if len(a.shape) > 1:
return [[x is np.nan for x in sub] for sub in a]
return [x is np.nan for x in a]
如果是 np.nan 可以失败，也许检查类型，然后我们 np.isnan
def masks(a):
if len(a.shape) > 1:
return [[isinstance(x, float) and np.isnan(x) for x in sub] for sub in arr]
return [isinstance(x, float) and np.isnan(x) for x in arr]
有趣的是，当数据类型为对象时，x is np.nan似乎工作正常：
In [76]: arr = np.array([np.nan,np.nan,"3"],dtype=object)
In [77]: [x is np.nan for x in arr]
Out[77]: [True, True, False]
In [78]: arr = np.array([np.nan,np.nan,"3"])
In [79]: [x is np.nan for x in arr]
Out[79]: [False, False, False]
根据dtype的不同，会发生不同的事情：
In [90]: arr = np.array([np.nan,np.nan,"3"])
In [91]: arr.dtype
Out[91]: dtype('S32')
In [92]: arr
Out[92]:
array(['nan', 'nan', '3'],
dtype='|S32')
In [93]: [x == "nan" for x in arr]
Out[93]: [True, True, False]
In [94]: arr = np.array([np.nan,np.nan,"3"],dtype=object)
In [95]: arr.dtype
Out[95]: dtype('O')
In [96]: arr
Out[96]: array([nan, nan, '3'], dtype=object)
In [97]: [x == "nan" for x in arr]
Out[97]: [False, False, False]
显然，当你的数组中有字符串时，nan 会被强制numpy.string_'s所以x == "nan"在这种情况下工作，当你传递对象时，类型是浮点数，所以如果你总是使用对象 dtype，那么行为应该是一致的。
定义几个测试数组，小数组和大数组
In [21]: x=np.array([1,23.3, np.nan, 'str'],dtype=object)
In [22]: xb=np.tile(x,300)
您的职能：
In [23]: isnan(x)
Out[23]: array([False, False, True, False], dtype=bool)
直截了当的列表理解，返回一个数组
In [24]: np.array([i is np.nan for i in x])
Out[24]: array([False, False, True, False], dtype=bool)
np.frompyfunc具有与np.vectorize类似的矢量化能力，但由于某种原因没有得到充分利用(根据我的经验，速度更快(
In [25]: def myisnan(x):
return x is np.nan
In [26]: visnan=np.frompyfunc(myisnan,1,1)
In [27]: visnan(x)
Out[27]: array([False, False, True, False], dtype=object)
由于它返回 dtype 对象，我们可能需要强制转换其值：
In [28]: visnan(x).astype(bool)
Out[28]: array([False, False, True, False], dtype=bool)
它可以很好地处理多迪姆数组：
In [29]: visnan(x.reshape(2,2)).astype(bool)
Out[29]:
array([[False, False],
[ True, False]], dtype=bool)
现在了解一些时间：
In [30]: timeit isnan(xb)
1000 loops, best of 3: 1.03 ms per loop
In [31]: timeit np.array([i is np.nan for i in xb])
1000 loops, best of 3: 393 us per loop
In [32]: timeit visnan(xb).astype(bool)
1000 loops, best of 3: 382 us per loop
i is np.nan测试的一个重要点 - 它仅适用于标量。 如果数组是 dtype 对象，则迭代会生成标量。 但是对于 dtype 浮点数的数组，我们得到 numpy.float64 的值。 对于那些人来说，np.isnan(i)是正确的测试。
In [61]: [(i is np.nan) for i in np.array([np.nan,np.nan,1.3])]
Out[61]: [False, False, False]
In [62]: [np.isnan(i) for i in np.array([np.nan,np.nan,1.3])]
Out[62]: [True, True, False]
In [63]: [(i is np.nan) for i in np.array([np.nan,np.nan,1.3], dtype=object)]
Out[63]: [True, True, False]
In [64]: [np.isnan(i) for i in np.array([np.nan,np.nan,1.3], dtype=object)]
...
TypeError: Not implemented for this type
我会使用 np.vectorize 和一个自定义函数来测试 nan elementwise。所以
def _isnan(x):
if isinstance(x, type(np.nan)):
return np.isnan(x)
else:
return False
my_isnan = np.vectorize(_isnan)
然后
X = np.array([[1, 2, np.nan, "A"], [np.nan, True, [], ""]], dtype=object)
my_isnan(X)
返回
array([[False, False, True, False],
[ True, False, False, False]], dtype=bool)
在不转换为字符串或离开 Numpy 环境(也非常重要的 IMO(的情况下执行此操作的一种方法是使用 np.nan 的相等定义，其中
In[1]: x=np.nan
In[2]: x==x
Out[2]: False
这仅在 x==np.nan 的情况下是正确的。因此，对于 Numpy 数组，逐元素检查
x!=x
返回每个元素的True，其中x==np.nan
以下是我最终为自己构建的内容：
FLOAT_TYPES = (float, np.float64, np.float32, np.complex, np.complex64, np.complex128)
def isnan(arr):
"""Equivalent of np.isnan, except made to also be friendly towards arrays of object/string dtype."""
if isinstance(arr, np.ndarray):
if arr.dtype == object:
# An element can only be NaN if it's a float, and is not equal to itself. (NaN != NaN, by definition.)
# NaN is the only float that doesn't equal itself, so "(x != x) and isinstance(x, float)" tests for NaN-ity.
# Numpy's == checks identity for object arrays, so "x != x" will always return False, so can't vectorize.
is_nan = np.array([((x != x) and isinstance(x, FLOAT_TYPES)) for x in arr.ravel()], dtype=bool)
return is_nan.reshape(arr.shape)
if arr.dtype.kind in "fc": # Only [f]loats and [c]omplex numbers can be NaN
return np.isnan(arr)
return np.zeros(arr.shape, dtype=bool)
if isinstance(arr, FLOAT_TYPES):
return np.isnan(arr)
return False