如何从NumPy数组中删除NaN值？
[1, 2, NaN, 4, NaN, 8] ⟶ [1, 2, 4, 8]
13个回答
577
从NumPy数组x中删除NaN值：
x = x[~numpy.isnan(x)]
解释
内部函数numpy.isnan返回一个布尔/逻辑数组，其中每个值为True表示对应的x不是数字。由于我们想要相反的结果，因此我们使用逻辑非运算符~获取一个数组，其中每个值为True表示对应的x是有效的数字。
最后，我们使用这个逻辑数组来索引原始数组x，以仅检索非NaN值。
- jmetz
11
76
filter(lambda v: v==v, x)
该函数适用于列表和numpy数组，因为v！= v仅适用于NaN。
- udibr
7
12这是一个简单但特别实用的技巧，适用于从对象数组中过滤出混合类型（例如包含字符串和NaN值）的数据时使用。 - Austin Richardson
5这可能看起来很聪明，但会掩盖逻辑，理论上其他对象（如自定义类）也可以拥有这个属性。 - Chris_Rands
1与
x[~numpy.isnan(x)] 相比，它可能会慢些。 - smm同样地，作为列表推导式，例如
[v for v in var if v == v]。 - Darren Weber什么是v，什么是x？ - M_Idk392845
显示剩余2条评论
43
对我来说，@jmetz的答案不起作用，但使用pandas的isnull（）函数解决了问题。
x = x[~pd.isnull(x)]
- Daniel Kislyuk
2
2or:
x = x[x.notnull()] - kbridge4096我不喜欢在管道中包含熊猫，但是接受的解决方案给了我一个
TypeError: ufunc 'isnan' not supported for the input types错误。它不能处理字符串或对象类型。而这个解决方案可以。 - Llohann36
- liori
3
5如果你正在使用numpy，那么我和@lazy1的答案都比列表推导式快近一个数量级，其中lazy1的解决方案略微更快（尽管从技术上讲也不会返回任何无穷大的值）。 - jmetz
不要忘记括号 :)
print([value for value in x if not math.isnan(value)]) - hypers如果您像顶部答案一样使用numpy，则可以使用
np包中的列表推导式回答：因此，返回不带nans的列表：[value for value in x if not np.isnan(value)] - yeliabsalohcin8
正如其他人所展示的那样
x[~numpy.isnan(x)]
它可以工作。但是，如果numpy的dtype不是本地数据类型（例如，如果它是对象），它将抛出一个错误。在这种情况下，您可以使用pandas。
x[~pandas.isna(x)] or x[~pandas.isnull(x)]
- koliyat9811
7
如果您正在使用
numpy
# first get the indices where the values are finite
ii = np.isfinite(x)
# second get the values
x = x[ii]
- aloha
7
这篇文章介绍了一种使用 Pandas 的 dropna() 功能来解决问题的方法，适用于一维和二维数组。在二维情况下，你可以选择删除包含
np.nan 的行或列。其中，被接受的答案 是针对二维数组的形状变换的。import pandas as pd
import numpy as np
def dropna(arr, *args, **kwarg):
assert isinstance(arr, np.ndarray)
dropped=pd.DataFrame(arr).dropna(*args, **kwarg).values
if arr.ndim==1:
dropped=dropped.flatten()
return dropped
x = np.array([1400, 1500, 1600, np.nan, np.nan, np.nan ,1700])
y = np.array([[1400, 1500, 1600], [np.nan, 0, np.nan] ,[1700,1800,np.nan]] )
print('='*20+' 1D Case: ' +'='*20+'\nInput:\n',x,sep='')
print('\ndropna:\n',dropna(x),sep='')
print('\n\n'+'='*20+' 2D Case: ' +'='*20+'\nInput:\n',y,sep='')
print('\ndropna (rows):\n',dropna(y),sep='')
print('\ndropna (columns):\n',dropna(y,axis=1),sep='')
print('\n\n'+'='*20+' x[np.logical_not(np.isnan(x))] for 2D: ' +'='*20+'\nInput:\n',y,sep='')
print('\ndropna:\n',x[np.logical_not(np.isnan(x))],sep='')
Result:
==================== 1D Case: ====================
Input:
[1400. 1500. 1600. nan nan nan 1700.]
dropna:
[1400. 1500. 1600. 1700.]
==================== 2D Case: ====================
Input:
[[1400. 1500. 1600.]
[ nan 0. nan]
[1700. 1800. nan]]
dropna (rows):
[[1400. 1500. 1600.]]
dropna (columns):
[[1500.]
[ 0.]
[1800.]]
==================== x[np.logical_not(np.isnan(x))] for 2D: ====================
Input:
[[1400. 1500. 1600.]
[ nan 0. nan]
[1700. 1800. nan]]
dropna:
[1400. 1500. 1600. 1700.]
- Markus Dutschke
7
如果有所帮助的话，对于简单的一维数组：
x = np.array([np.nan, 1, 2, 3, 4])
x[~np.isnan(x)]
>>> array([1., 2., 3., 4.])
但如果你希望扩展到矩阵并保留形状：
x = np.array([
[np.nan, np.nan],
[np.nan, 0],
[1, 2],
[3, 4]
])
x[~np.isnan(x).any(axis=1)]
>>> array([[1., 2.],
[3., 4.]])
在处理pandas的.shift()功能时，我遇到了这个问题，并且我想尽一切办法避免使用.apply(..., axis=1)，因为它效率低下。
- Robin Teuwens
6
完成上述操作：
x = x[~numpy.isnan(x)]
或者
x = x[numpy.logical_not(numpy.isnan(x))]
我发现将同一变量（x）重置并不能移除实际的nan值，必须使用不同的变量。将其设置为不同的变量可以移除nan。
例如：y = x[~numpy.isnan(x)]
- melissaOu
1
这很奇怪；根据文档，布尔数组索引（也就是这种情况）属于高级索引，而且显然"始终返回数据的副本"，所以你应该使用新值覆盖
x（即不带NaN的值...）。您能否提供更多信息，以说明可能发生了什么？ - jmetz网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接
x中所有的非有限数值去除，并重新赋值给x。可以用以下代码实现：x = x[numpy.isfinite(x)]。 - Miki Tebekax = x[~numpy.isnan(x)]，这与mutzmatron的原始回答是等效的，但更短。如果你想保留无穷大的值，应该知道numpy.isfinite(numpy.inf) == False，当然，~numpy.isnan(numpy.inf) == True。 - chbrownnp.where(np.isfinite(x), x, 0)。 - BoltzmannBrainx不是一个 numpy 数组。如果你想使用逻辑索引，它必须是一个数组 - 例如x = np.array(x)。 - jmetz