Question

情况

我有一个包含一些nan值的2D Numpy数组。简化示例：

arr = np.array([[3, 5, np.nan, 2, 4],
                [9, 1, 3, 5, 1],
                [8, np.nan, 3, np.nan, 7]])

在控制台输出中看起来像这样：

array([[  3.,   5.,  nan,   2.,   4.],
       [  9.,   1.,   3.,   5.,   1.],
       [  8.,  nan,   3.,  nan,   7.]])

问题

我正在寻找一种将现有nan值右侧的所有值设置为nan的好方法。换句话说，我需要将示例数组转换为：

array([[  3.,   5.,  nan,  nan,  nan],
       [  9.,   1.,   3.,   5.,   1.],
       [  8.,  nan,  nan,  nan,  nan]])

我知道如何使用循环完成此操作，但我认为只使用Numpy矢量化操作的方法会更有效。有没有人可以帮我找到这样的方法？

Answer 1

使用cumsum和boolean-indexing -

的一种方法

arr[np.isnan(arr).cumsum(1)>0] = np.nan

为了提高性能，最好使用np.maximum.accumulate -

arr[np.maximum.accumulate(np.isnan(arr),axis=1)] = np.nan

使用broadcasting -

稍加扭曲的另一种方法

n = arr.shape[1]
mask = np.isnan(arr)
idx = mask.argmax(1)
idx[~mask.any(1)] = n
arr[idx[:,None] <= np.arange(n)] = np.nan

示例运行 -

In [96]: arr
Out[96]: 
array([[  3.,   5.,  nan,   2.,   4.],
       [  9.,   1.,   3.,   5.,   1.],
       [  8.,  nan,   3.,  nan,   7.]])

In [97]: arr[np.maximum.accumulate(np.isnan(arr),axis=1)] = np.nan

In [98]: arr
Out[98]: 
array([[  3.,   5.,  nan,  nan,  nan],
       [  9.,   1.,   3.,   5.,   1.],
       [  8.,  nan,  nan,  nan,  nan]])

<强>基准

方法 -

def func1(arr):
    arr[np.isnan(arr).cumsum(1)>0] = np.nan

def func2(arr):
    arr[np.maximum.accumulate(np.isnan(arr),axis=1)] = np.nan

def func3(arr): # @ MSeifert's suggestion
    mask = np.isnan(arr); 
    accmask = np.cumsum(mask, out=mask, axis=1); 
    arr[accmask] = np.nan

def func4(arr):
    mask = np.isnan(arr); 
    np.maximum.accumulate(mask,axis=1, out = mask)
    arr[mask] = np.nan

def func5(arr):
    n = arr.shape[1]
    mask = np.isnan(arr)
    idx = mask.argmax(1)
    idx[~mask.any(1)] = n
    arr[idx[:,None] <= np.arange(n)] = np.nan

计时 -

In [201]: # Setup inputs
     ...: arr = np.random.rand(5000,5000)
     ...: arr.ravel()[np.random.choice(range(arr.size), 10000, replace=0)] = np.nan
     ...: arr1 = arr.copy()
     ...: arr2 = arr.copy()
     ...: arr3 = arr.copy()
     ...: arr4 = arr.copy()
     ...: arr5 = arr.copy()
     ...: 

In [202]: %timeit func1(arr1)
     ...: %timeit func2(arr2)
     ...: %timeit func3(arr3)
     ...: %timeit func4(arr4)
     ...: %timeit func5(arr5)
     ...: 
10 loops, best of 3: 149 ms per loop
10 loops, best of 3: 90.5 ms per loop
10 loops, best of 3: 88.8 ms per loop
10 loops, best of 3: 88.5 ms per loop
10 loops, best of 3: 75.3 ms per loop

基于广播的广播似乎做得很好！

Answer 2

使用布尔索引和某种累加器（我在这里使用np.cumsum）：

>>> mask = np.cumsum(np.isnan(arr), axis=1).astype(bool)

>>> arr[mask] = np.nan

>>> arr
array([[  3.,   5.,  nan,  nan,  nan],
       [  9.,   1.,   3.,   5.,   1.],
       [  8.,  nan,  nan,  nan,  nan]])

正如使用out - 参数的评论中已经指出的那样，可能会加快速度并避免创建另一个临时数组：

def put_nans_right_of_nans(arr):
    mask = np.isnan(arr)
    mask = np.cumsum(mask, out=mask, axis=1)
    arr[mask] = np.nan

鉴于我是一个非常numba的狂热分子，我想展示一个直接实现的解决方案，并在性能和内存使用方面击败所有其他方法：

import numba as nb
import math

@nb.njit
def nan_items_rightofnans(arr):
    x, y = arr.shape[0], arr.shape[1]

    for row_no in range(x):
        nanfound = False
        for col_no in range(y):
            if nanfound:
                arr[row_no, col_no] = np.nan
            elif math.isnan(arr[row_no, col_no]):
                nanfound = True

    return arr

Numpy 2D数组：将所有值更改为NaN右侧

情况

问题

2 个答案: