Question

我有两个具有维度（120,360）的numpy数组，其中一个数组由整数和零组成，第二个由浮点数组成。我想在第一个数组中有一个整数的地方用nans替换第二个数组的值。有一种简单有效的方法吗？

此外，我想用nans替换第一个数组中的整数，并将零更改为1。提前谢谢。

Answer 1

通过逻辑索引到数组中，您可以轻松实现这一目标，

arr2[ arr1 != 0 ] = numpy.NaN

但是整数数组不支持NaN，因此您必须将第一个数组转换为float数组，即

arr1 = arr1.astype(float)
arr1[arr1 != 0.0] = numpy.NaN
arr1[arr1 == 0.0] = 1.0

Answer 2

设置数组：

>>> import numpy as np
>>> x = np.array([[1,0],[0,4]], dtype=int)
>>> y = np.array([[1.1, 2.2],[3.3, 4.4]], dtype=float)

您可以轻松地将第二个数组设置为您想要的位置，如下所示：

>>> y[x != 0] = np.nan
>>> y
array([[ nan,  2.2],
       [ 3.3,  nan]])

然后将第一个数组转换为浮点数（因为NaN不是整数）并设置所需的值：

>>> x = x.astype(float)
>>> x[x != 0] = np.nan
>>> x[x == 0] = 1
>>> x
array([[ nan,   1.],
       [  1.,  nan]])

Answer 3

作为对先前答案的评论，我认为将浮点数与==进行比较并不是一个好主意，我认为有些操作会被浪费掉。如何创建临时数组mask = (X != 0)并将其用作索引？

>>> X = X.astype(float)
>>> X[~mask] = np.nan
>>> X[mask] = 1

Answer 4

我不知道你用NaN替换值的目的，但你可能想考虑使用numpy的掩码数组（类似于Pierre的答案，但是numpy有内置掩码支持！）：

import numpy.ma
# mask out values when there is a non-zero integer in arr1
arr2 = numpy.ma.masked_array(arr2, mask=arr1)
# mask out values in arr2 for non-zero integers, and set all remaining values (the zeros) to 1
arr1 = numpy.ma(arr1, mask=(arr1 != 0))
arr1[~arr1.mask] = 1

不需要整数到浮动转换，这允许您使用大量numpy的功能而不会遇到问题。例如，使用NaN计算数组的平均值当然是个坏主意，使用掩码数组，这没有问题。

比较两个numpy数组和插入nans

4 个答案: