用最接近的非NaN值替换NumPy数组中的NaN

时间:2012-03-02 17:17:14

标签: python arrays numpy nan

我有一个NumPy数组a,如下所示:

>>> str(a)
'[        nan         nan         nan  1.44955726  1.44628034  1.44409573\n  1.4408188   1.43657094  1.43171624  1.42649744  1.42200684  1.42117704\n  1.42040255  1.41922908         nan         nan         nan         nan\n         nan         nan]'

我想用最接近的非NaN值替换每个NaN,以便开头的所有NaN都设置为1.449...,并且最后的所有NaN都设置为1.419...

我可以看到如何针对这样的特定情况执行此操作,但我需要能够对任何长度的数组执行此操作,在数组的开头和结尾处有任何长度的NaN(不会有NaN位于数字中间)。有什么想法吗?

我可以使用np.isnan()轻松找到NaN,但我无法弄清楚如何获得每个NaN的最接近的值。

7 个答案:

答案 0 :(得分:37)

作为替代解决方案(这将对中间的数组NaN进行线性插值):

import numpy as np

# Generate data...
data = np.random.random(10)
data[:2] = np.nan
data[-1] = np.nan
data[4:6] = np.nan

print data

# Fill in NaN's...
mask = np.isnan(data)
data[mask] = np.interp(np.flatnonzero(mask), np.flatnonzero(~mask), data[~mask])

print data

这会产生:

[        nan         nan  0.31619306  0.25818765         nan         nan
  0.27410025  0.23347532  0.02418698         nan]

[ 0.31619306  0.31619306  0.31619306  0.25818765  0.26349185  0.26879605
  0.27410025  0.23347532  0.02418698  0.02418698]

答案 1 :(得分:20)

  

我想用最接近的非NaN值替换每个NaN ......数字中间没有NaN

以下将会这样做:

ind = np.where(~np.isnan(a))[0]
first, last = ind[0], ind[-1]
a[:first] = a[first]
a[last + 1:] = a[last]

这是一个直接numpy解决方案,不需要Python循环,没有递归,没有列表推导等。

答案 2 :(得分:4)

NaN具有比较不同的有趣属性,因此我们可以快速找到非纳米元素的索引:

idx = np.nonzero(a==a)[0]

现在很容易用所需的值替换nans:

for i in range(0, idx[0]):
    a[i]=a[idx[0]]
for i in range(idx[-1]+1, a.size)
    a[i]=a[idx[-1]]

最后,我们可以把它放在一个函数中:

import numpy as np

def FixNaNs(arr):
    if len(arr.shape)>1:
        raise Exception("Only 1D arrays are supported.")
    idxs=np.nonzero(arr==arr)[0]

    if len(idxs)==0:
        return None

    ret=arr

    for i in range(0, idxs[0]):
        ret[i]=ret[idxs[0]]

    for i in range(idxs[-1]+1, ret.size):
        ret[i]=ret[idxs[-1]]

    return ret

修改

哎呀,来自C ++我总是忘记列表范围... @ aix的解决方案比我的C ++ ish循环更优雅和高效,使用它而不是我的。

答案 3 :(得分:1)

递归解决方案!

def replace_leading_NaN(a, offset=0):
    if a[offset].isNaN():
        new_value = replace_leading_NaN(a, offset + 1)
        a[offset] = new_value
        return new_value
    else:
        return a[offset]

def replace_trailing_NaN(a, offset=-1):
    if a[offset].isNaN():
        new_value = replace_trailing_NaN(a, offset - 1)
        a[offset] = new_value
        return new_value
    else:
        return a[offset]

答案 4 :(得分:1)

我遇到了这个问题,不得不为散乱的NaN找到一个自定义解决方案。下面的函数将任何NaN替换为右边的第一个数字,如果不存在,则将它替换为左边的第一个数字。可以进行进一步的操作以用边界出现的平均值替换它。

import numpy as np

Data = np.array([np.nan,1.3,np.nan,1.4,np.nan,np.nan])

nansIndx = np.where(np.isnan(Data))[0]
isanIndx = np.where(~np.isnan(Data))[0]
for nan in nansIndx:
    replacementCandidates = np.where(isanIndx>nan)[0]
    if replacementCandidates.size != 0:
        replacement = Data[isanIndx[replacementCandidates[0]]]
    else:
        replacement = Data[isanIndx[np.where(isanIndx<nan)[0][-1]]]
    Data[nan] = replacement

结果是:

>>> Data
array([ 1.3,  1.3,  1.4,  1.4,  1.4,  1.4])

答案 5 :(得分:0)

我有类似的东西

i = [i for i in range(len(a)) if not np.isnan(a[i])]
a = [a[i[0]] if x < i[0] else (a[i[-1]] if x > i[-1] else a[x]) for x in range(len(a))]

它有点笨拙,但是它被分成两行,嵌套内联,如果在其中一行中。

答案 6 :(得分:0)

这是使用简单python迭代器的解决方案。实际上,它们在这里比numpy.where更有效,尤其是对于大型数组!请参见类似代码here的比较。

import numpy as np

a = np.array([np.NAN, np.NAN, np.NAN, 1.44955726, 1.44628034, 1.44409573, 1.4408188, 1.43657094, 1.43171624,  1.42649744, 1.42200684, 1.42117704, 1.42040255, 1.41922908, np.NAN, np.NAN, np.NAN, np.NAN, np.NAN, np.NAN])

mask = np.isfinite(a)

# get first value in list
for i in range(len(mask)):
    if mask[i]:
        first = i
        break

# get last vaue in list
for i in range(len(mask)-1, -1, -1):
    if mask[i]:
        last = i
        break

# fill NaN with near known value on the edges
a = np.copy(a)
a[:first] = a[first]
a[last + 1:] = a[last]

print(a)

输出:

[1.44955726 1.44955726 1.44955726 1.44955726 1.44628034 1.44409573
 1.4408188  1.43657094 1.43171624 1.42649744 1.42200684 1.42117704
 1.42040255 1.41922908 1.41922908 1.41922908 1.41922908 1.41922908
 1.41922908 1.41922908]

它仅替换此处要求的第一个和最后一个NaN。