Question

我有一个关于添加numpy数组的问题。我们假设我已经定义了一个函数

def foo(a,b):
    return a+b

采用两个相同形状的数组，只返回它们的总和。现在，我必须处理一些条目可能是None的情况。我想处理这些条目，因为它们对应于float（0），例如

[1.0,None,2.0] + [1.0,2.0,2.0]

将加起来

[2.0,2.0,4.0]

您能为我提供已经实施的解决方案吗？

TIA

Answer 1

我建议numpy.nan_to_num：

>>> np.nan_to_num(np.array([1.0,None,2.0], dtype=np.float))
array([ 1.,  0.,  2.])

然后，

>>> def foo(a,b):
...         return np.nan_to_num(a) + np.nan_to_num(b)
...
>>> foo(np.array([1.0,None,2.0], dtype=np.float), np.array([1.0,2.0,2.0], dtype=np.float))
array([ 2.,  0.,  4.])

Answer 2

您可以使用column_stack沿第二个轴连接两个数组，然后使用np.nansum()对第二个轴上的项目进行求和。

In [15]: a = np.array([1.0,None,2.0], dtype=np.float)
# Using dtype here is necessary to convert None to np.nan

In [16]: b = np.array([1.0,2.0,2.0]) 

In [17]: np.nansum(np.column_stack((a, b)), 1)
Out[17]: array([2., 2., 4.])

Answer 3

通常，答案是使用浮点数组而不是任意对象数组，然后使用np.nan代替None。 NaN具有明确定义的算术语义。（此外，使用浮点数组而不是对象将使您的代码更加节省时间和空间。）

请注意，如果您使用None np.nan或dtype的明确float构建数组，则无需手动将np.float64转换为>>> a = np.array([1.0,np.nan,2.0]) >>> a = np.array([1.0,None,2.0],dtype=float)。这两者都是等价的：

None

这意味着，如果出于某种原因，你确实需要其中包含实际>>> a.astype(float) + b.astype(float)的任意对象数组，那么你可以这样做，然后将其转换为浮动数组，以获得好处NaN：

>>> a = np.array([1.0,np.nan,2.0])
>>> b = np.array([1.0,2.0,2.0])
>>> a + b
array([ 2., nan,  4.])

无论如何，在这种情况下，仅仅使用NaN是不够的：

>>> np.nan_to_num(a, 0)
array([1., 0., 2.0])
>>> np.nan_to_num(a, 0) + np.nan_to_num(b, 0)
array([2., 2., 4.])

那是因为NaN的语义是NaN的任何操作的结果都返回NaN。但是你想把它当作0。

但它确实使问题易于解决。解决这个问题的最简单方法是使用函数nan_to_num：

#get all the columns except for 'a'
linearvars <- setdiff(colnames(data),'a')
linearphrase <- paste(linearvars, collapse=" + ")

#combine the linear terms with the rest of the formula
fullformula <- as.formula( paste0('y~rcs(a) + ', linearphrase) )

添加可能包含“None”条目的数组

3 个答案: