Question

我正在使用numpy.mean来计算numpy数组的平均值，但我收到一个错误（zip参数＃2必须支持迭代）和NAN值。

valueList最初是一个包含unicode字符串的列表 - 从python复制： valueList = {list} [u'273'，u'275'，u'255'，u'250'，u'296'，u'282'，u'259'....]

使用列表推导转换为浮点数之后，它在python中显示如下： values = {list} [273.0,275.0,255.0,250.0,296.0,282.0,259.0 ....]

我做错了什么？

import numpy as np

# valueList is bult from pulling apart a JSON object containing strings
# Looks like this:
# valueList = {list}[u'273', u'275', u'255', u'250', u'296', u'282', u'259',....]

# Turning all members of the valueList into float objects
valueList = [float(value) for value in valueList]

# valueList now looks like:
# valueList = {list}[273.0, 275.0, 255.0, 250.0, 296.0, 282.0, 259.0,....]

# converting the list into a numpy like array
values = np.asarray(valueList)  
# values = {ndarray}[ 273.  275.  255. ...,  192.  180.  176.]

# taking the log of the passed value - **Works fine!** - but I do get this warning:
# RuntimeWarning: invalid value encountered in log, lnValues =  np.log(values)
lnValues =  np.log(values)
# lnValues = {ndarray}[ 5.6094718   5.6167711   5.54126355 ...,  5.25749537  5.19295685  5.170484  ]

# calculating the mean and sd of the lnValues - **Doesnt work!?!**
lnValuesMean = np.mean(lnValues)
# lnValuesMean = {flost64} nan

# and this gives this error:
# zip argument #2 must support iteration
lnValuesSD = np.std(lnValues)

编辑：

首先，我为添加然后删除内容而道歉 - 我无法确定要包含多少信息，并且通常无法包含准确的代码示例/代码段。

因此，假设存在NAN值，我将代码更改为包括：

# converting the list into a numpy like array
values = np.asarray(valueList)  
# values = {ndarray}[ 273.  275.  255. ...,  192.  180.  176.]

# removing NANs
values  = values[np.logical_not(np.isnan(values))]

但那仍然没有用，所以我假设有负值或零值，所以我也补充说：

# converting the list into a numpy like array
values = np.asarray(valueList)  
# values = {ndarray}[ 273.  275.  255. ...,  192.  180.  176.]

# removing NANs
values  = values[np.logical_not(np.isnan(values))]

# removing possible negative values and zero values
values = values[values>0.0]

似乎最终过滤，删除可能的'0'值，是有效的。在我的数据集中不应该有任何零值（在~3500中总共有6个），但是很好。

Answer 1

因此，假设存在NAN值，我将代码更改为包括：

# converting the list into a numpy like array
values = np.asarray(valueList)  
# values = {ndarray}[ 273.  275.  255. ...,  192.  180.  176.]

# removing NANs
values  = values[np.logical_not(np.isnan(values))]

但那仍然没有用，所以我假设有负值或零值，所以我也补充说：

# converting the list into a numpy like array
values = np.asarray(valueList)  
# values = {ndarray}[ 273.  275.  255. ...,  192.  180.  176.]

# removing NANs
values  = values[np.logical_not(np.isnan(values))]

# removing possible negative values and zero values
values = values[values>0.0]

似乎最终过滤，删除可能的'0'值，是有效的。在我的数据集中不应该有任何零值（在~3500中总共有6个），但是很好。

在ndarray

1 个答案: