在Numpy數組中刪除NaN和Infs

最近我在學習Python numpy時遇到了一個問題。其實我是一個遠程服務器上測試自定義的功能，而這個功能使用numpy.linalg.eig：在Numpy數組中刪除NaN和Infs

import numpy 
from numpy import * 

def myfun(xAr,yAr) #xAr, yAr are Matrices 
    for i in xrange(xAr.shape[1]): 
    Mat=xAr.T*yAr*yAr.T*xAr 
    val,vec=linalg.eig(Mat) 
    # and so on...

和測試提供了錯誤報告「線1088，在EIG：數組不能包含infs或NaN「。

因此，我試圖刪除包含的NaN或INF中那些列，我的代碼是：

def myfun(xAr,yAr) 
    id1=isfinite(sum(xAr,axis=1)) 
    id2=isfinite(sum(yAr,axis=1)) 
    xAr=xAr[id1&id2] 
    yAr=yAr[id1&id2] 
    for i in xrange(xArr.shape[1]): 
    Mat=xAr.T*yAr*yAr.T*xAr 
    val,vec=linalg.eig(Mat) 
    # and so on...

但是同樣的錯誤再次出現。

我不知道此測試的確切數據值，因爲此測試位於遠程服務器上，原始數據值被禁止顯示。我所知道的是數據是一個包含NaN和Infs的矩陣。

任何人都可以給我一些建議，爲什麼是有限的無法在這裏工作，或者我刪除這些NaN和Infs做錯了？

來源

2016-04-22 GK.Ai

http://stackoverflow.com/questions/6701714/numpy-replace-a-number-with-nan –

嗯，我想我得到了原因......也許是因爲週期零計算循環.... –

給定兩個一陽指是這樣的：

In [1]: arr_1 
Out[1]: 
array([[ 0., nan, 2., 3.], 
     [ 4., 5., 6., 7.], 
     [ 8., 9., 10., 11.], 
     [ 12., nan, 14., 15.], 
     [ 16., 17., 18., 19.]]) 

In [2]: arr_2 
Out[2]: 
array([[ -0., -1., -2., nan], 
     [ -4., -5., -6., -7.], 
     [ -8., -9., -10., -11.], 
     [-12., -13., -14., -15.], 
     [-16., -17., -18., -19.]])

你可能想忽略列1和3，我們可以創建一個面具：

In [3]: mask_1 = np.isfinite(arr_1).all(axis=0) 

In [4]: mask_1 
Out[4]: array([ True, False, True, True], dtype=bool) 

In [5]: mask_2 = np.isfinite(arr_2).all(axis=0) 

In [6]: mask_2 
Out[6]: array([ True, True, True, False], dtype=bool)

結合這些面具留給我們的權利列選擇：

In [7]: mask_1 & mask_2 
Out[7]: array([ True, False, True, False], dtype=bool) 

In [8]: arr_1[:, mask_1 & mask_2] 
Out[8]: 
array([[ 0., 2.], 
     [ 4., 6.], 
     [ 8., 10.], 
     [ 12., 14.], 
     [ 16., 18.]])

如果我們決定過濾掉無效的行，我們需要交換一個xes：

In [9]: mask_1 = np.isfinite(arr_1).all(axis=1) 

In [10]: mask_2 = np.isfinite(arr_2).all(axis=1) 

In [11]: arr_1[mask_1 & mask_2, :] 
Out[11]: 
array([[ 4., 5., 6., 7.], 
     [ 8., 9., 10., 11.], 
     [ 16., 17., 18., 19.]])

看來你已經和軸稍微混淆了，沒有更多。

來源

2016-04-22 11:26:43 Finwood

np.nan_to_num（）很適合重寫NaN和infs到ndarray中。

pd.DataFrame.dropna（）（用在大熊貓數據幀數據）是偉大的選擇性去除行或列而不是重寫他們爲nan_to_num會做。

來源

2016-04-23 18:03:29 welch

在Numpy數組中刪除NaN和Infs

回答

相關問題