Question

一旦这些数字已经转换为数字格式，如何从numpy数组中删除正无穷数？我正在使用一个内部使用numpy的包，但是当返回某些数组时，某些值将返回为1.79769313486e + 308正无穷数。

是否有一种优雅而快速的方法来删除这些（在我的情况下我想要'0'），或者在数组中迭代最佳解决方案？

Answer 1

首先，1.79769313486e+308与+inf不同。前者是可以用64位浮点数表示的最大数字，后者是一个特殊的浮点数。

如果您的数组中只有非常大的数字，那么：

A[A > 1e308] = 0

就足够了。将1e308上方的oll元素替换为0。

也可以使用inf进行操作。例如：

>>> fmax = np.finfo(np.float64).max
>>> pinf = float('+inf')
>>> ninf = float('-inf')
>>> fnan = float('nan')
>>> print fmax, pinf, ninf, fnan
1.79769313486e+308 inf -inf nan

所以，这些是完全不同的东西。你可以比较其中一些：

>>> pinf > fmax
True
>>> ninf < 0.0
True
>>> pinf == pinf
True
>>> pinf == ninf
False

这看起来不错！但是，nan行为不同：

>>> fnan > 0
False
>>> fnan < 0
False
>>> fnan == 0
False
>>> fnan < pinf
False
>>> fnan == fnan
False

你可以使用Numpy ndarray的正面和负面无穷大而没有任何问题。这将有效：

A[A == pinf] = 0.0

但是如果您在阵列中有nan，那么您会收到一些投诉：

>>> np.array([fnan, pinf, ninf]) < 0
RuntimeWarning: invalid value encountered in less
[False, False, True]

所以，它有效，但抱怨=＆gt;不使用。没有nan：

的情况相同

>>> np.array([0.0, pinf, ninf]) < 0
[False, False, True]

如果您想对nan做一些事情（如果有的话），请使用numpy.isnan：

A[np.isnan(A)] = 0.0

会将所有nan更改为零。

并且 - 你没有问过 - 这是一个让你的朋友惊喜的事（*）：

>>> [float('-0.0'), 0.0] * 3
[-0.0, 0.0, -0.0, 0.0, -0.0, 0.0]

是的，float64（和float32）甚至有一个单独的-0.0。在计算中，它充当普通的零，但是：

>>> float('-0.0') == 0.0
True

（*）取决于你给朋友打电话的人的种类。

Answer 2

删除非常高的值：

>>> a = numpy.array([1, 2, 1.8E308, 1.8E308, 42])
>>> a[a < 1E308] # use whatever threshold you like
array([  1.,   2.,  42.])

将它们设为0：

>>> a = numpy.array([1, 2, 1.8E308, 1.8E308, 42])
>>> a[a >= 1E308] = 0
>>> a
array([  1.,   2.,   0.,   0.,  42.])

如何从numpy数组中删除正无穷大...如果已经转换为数字？

2 个答案: