Skip to main content
 首页 » 编程设计

python之Numpy 确实对待 float ('nan' ) 并且 float 不同之转换为 None

2025年05月04日7qq号

我想从普通数组创建一个 Numpy 数组并将 nan 值转换为 None - 但成功取决于天气第一个值是“普通” float ,或 float('nan')。

这是我的代码,从初始数组开始:

print(a) 
array('d', [3.2345, nan, 2.0, 3.2, 1.0, 3.0]) 
print(b) 
array('d', [nan, nan, 2.0, 3.2, 1.0, 3.0]) 

现在我想通过向量化函数将所有 nan 值交换为 Python None:

def convert(x): 
    if x != x: 
        return None 
    else: 
        return x 
 
convert_vec = numpy.vectorize(convert) 

很简单,但会导致两种不同的结果:

numpy.asarray(convert_vec(a)) 
 
array([[ 3.2345,  2.    ,  1.    ], [    nan,  3.2   ,  3.    ]]) 
 
numpy.asarray(convert_vec(b)) 
array([[None, 2.0, 1.0], [None, 3.2, 3.0]], dtype=object) 

这是为什么?是的,我可以看到一个小区别 - 第二个将 object 作为 dtype。但是使用 numpy.asarray(convert_vec(a), dtype=object) 修复了它 - 两者都有 object 作为 dtype - 但它没有改变结果的差异。

请您参考如下方法:

np.nan 是一个浮点值,None 不是数字。

In [464]: np.array([1,2,np.nan,3]) 
Out[464]: array([  1.,   2.,  nan,   3.]) 
 
In [465]: np.array([1,2,None,3]) 
Out[465]: array([1, 2, None, 3], dtype=object) 
 
In [466]: np.array([1,2,None,3],dtype=float) 
Out[466]: array([  1.,   2.,  nan,   3.]) 

如果您尝试创建一个包含None 的数组,结果将是一个dtype=object 数组。如果您坚持使用 float dtype,则 None 将转换为 nan。

在vectorize 的情况下,如果您没有指定返回数据类型,它会从第一个元素推导出来。

你的例子有点困惑(你需要编辑它们),但我认为

convert(np.nan) => None 
convert(123) => 123 

所以

convert_vec([123,nan,...]) => [123, nan, ...],dtype=float 
convert_vec([nan,123,...]) => [None, 123,...],dtype=object 
  • 尝试将 np.nan 转换为 None 是个坏主意,除非可能出于显示目的。

  • vectorize 没有明确的结果数据类型规范是个坏主意

  • 这可能不是 vectorize 的良好用法。

这是转换 nan 值的另一种方法:

In [467]: a=np.array([1,2,np.nan,34,np.nan],float)     
In [468]: a 
Out[468]: array([  1.,   2.,  nan,  34.,  nan]) 
In [471]: ind=a!=a    
In [472]: ind 
Out[472]: array([False, False,  True, False,  True], dtype=bool) 
 
In [473]: a[ind]=0   # not trying None 
In [474]: a 
Out[474]: array([  1.,   2.,   0.,  34.,   0.]) 

或者使用掩码数组:

In [477]: am=np.ma.masked_invalid(a) 
 
In [478]: am 
Out[478]:  
masked_array(data = [1.0 2.0 -- 34.0 --], 
             mask = [False False  True False  True], 
       fill_value = 1e+20) 
 
In [479]: am.filled(0) 
Out[479]: array([  1.,   2.,   0.,  34.,   0.])