Question

是否可以使用numpy.nanargmin，以便在只有nans的列上返回numpy.nan。现在，当发生这种情况时，它会引发ValueError。我不能使用numpy.argmin，因为当列中只有少数nans时，这将失败。

http://docs.scipy.org/doc/numpy/reference/generated/numpy.nanargmin.html表示ValueError是针对全纳切片而提出的。在这种情况下，我希望它返回numpy.nan（只是为了进一步掩盖＆＃34;非数据＆＃34;与nans）

下一步是这样做的，但是速度超慢，并不是真正的pythonic：

for i in range(R.shape[0]):
    bestindex = numpy.nanargmin(R[i,:])
    if(numpy.isnan(bestindex)):
        bestepsilons[i]=numpy.nan
    else:
        bestepsilons[i]=epsilon[bestindex]

下一步也适用，但前提是不涉及全纳列：

ar = numpy.nanargmin(R, axis=1)
bestepsilons = epsilon[ar]

理想情况下，我希望最后一点也适用于全纳列

Answer 1

>>> def _nanargmin(arr, axis):
...    try:
...       return np.nanargmin(arr, axis)
...    except ValueError:
...       return np.nan

演示：

>>> a = np.array([[np.nan]*10, np.ones(10)])
>>> _nanargmin(a, axis=1)
nan
>>> _nanargmin(a, axis=0)
array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1])

无论如何，它不太可能是你想要的。不确定你究竟是在追求什么。如果您只想过滤掉nan，那么请使用布尔索引：

>>> a[~np.isnan(a)]
array([ 1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.])
>>> np.argmin(_)
0

EDIT2：看起来像是在蒙面数组之后：

>>> a = np.vstack(([np.nan]*10, np.arange(10), np.arange(11, 1, -1)))
>>> a[2, 4] = np.nan
>>> m = np.ma.masked_array(a, np.isnan(a))
>>> np.argmin(m, axis=0)
array([1, 1, 1, 1, 1, 1, 2, 2, 2, 2])
>>> np.argmin(m, axis=1)
array([0, 0, 9])

Answer 2

找到解决方案：

# makes everything nan to start with
bestepsilons1 = numpy.zeros(R.shape[0])+numpy.nan 
# finds the indices where the entire column would be nan, so the nanargmin would raise an error
d0 = numpy.nanmin(R, axis=1) 
# on the indices where we do not have a nan-column, get the right index with nanargmin, and than put the right value in those points
bestepsilons1[~numpy.isnan(d0)] = epsilon[numpy.nanargmin(R[~numpy.isnan(d0),:], axis=1)]

这基本上是一种解决方法，只需将nanargmin放在不会产生错误的地方，因为在那些地方我们希望得到的指数无论如何都是纳米

如果列全部为nan，则使numpy.nanargmin返回nan

2 个答案: