¿Cómo elimino los valores NaN de una matriz NumPy?
[1, 2, NaN, 4, NaN, 8] ⟶ [1, 2, 4, 8]
¿Cómo elimino los valores NaN de una matriz NumPy?
⏰ 4 minutos de lectura
dax feliz
jmetz
Para eliminar valores NaN de una matriz NumPy x:
x = x[~numpy.isnan(x)]
Explicación
La función interna numpy.isnan devuelve una matriz booleana/lógica que tiene el valor True en todas partes que x no es un número. Como queremos lo contrario, usamos el operador lógico-no ~ para obtener una matriz con Trueestá en todas partes que x es un número válido
Por último, usamos esta matriz lógica para indexar en la matriz original xpara recuperar solo los valores que no son NaN.
-
O
x = x[numpy.isfinite(x)]– perezoso1
23 de julio de 2012 a las 22:29
-
O
x = x[~numpy.isnan(x)], que es equivalente a la respuesta original de mutzmatron, pero más corta. En caso de que quiera mantener sus infinitos, sepa quenumpy.isfinite(numpy.inf) == Falsepor supuesto, pero~numpy.isnan(numpy.inf) == True.– chbrown
19 de noviembre de 2013 a las 19:02
-
Para las personas que buscan resolver esto con un ndarray y mantener las dimensiones, use entumecido donde:
np.where(np.isfinite(x), x, 0)– Cerebro de Boltzmann
7 de septiembre de 2017 a las 2:51
-
TypeError: solo las matrices escalares enteras se pueden convertir en un índice escalar
– remolque
30 de junio de 2018 a las 14:29
-
@towry: esto está sucediendo debido a su entrada,
xno es una matriz numpy. Si desea utilizar la indexación lógica, debe ser una matriz, por ejemplox = np.array(x)– jmetz
2 de julio de 2018 a las 11:32
filter(lambda v: v==v, x)
funciona tanto para listas como para matrices numpy desde v!=v solo para NaN
-
Un truco, pero especialmente útil en el caso de que esté filtrando nans de una matriz de objetos con tipos mixtos, como cadenas y nans.
–Austin Richardson
29 de junio de 2015 a las 14:15
-
Esto puede parecer inteligente, pero si oscurece la lógica y, en teoría, otros objetos (como las clases personalizadas) también pueden tener esta propiedad.
– Chris_Rands
31 de julio de 2018 a las 15:02
-
También es útil porque solo necesita
xespecificarse una vez en lugar de soluciones del tipox[~numpy.isnan(x)]. Esto es conveniente cuandoxestá definido por una expresión larga y no desea saturar el código creando una variable temporal para almacenar el resultado de esta expresión larga.– Christian O´Reilly
15 de junio de 2020 a las 1:09
-
Puede ser lento en comparación con
x[~numpy.isnan(x)]– mmm
21 de agosto de 2020 a las 21:23
-
Del mismo modo, como una lista de comprensión, por ejemplo
[v for v in var if v == v]–Darren Weber
18 de mayo a las 17:15
Prueba esto:
import math
print [value for value in x if not math.isnan(value)]
Para más información, sigue leyendo Lista de comprensiones.
-
Si está usando numpy, tanto mi respuesta como la de @ lazy1 son casi un orden de magnitud más rápidas que la comprensión de la lista: la solución de lazy1 es un poco más rápida (aunque técnicamente tampoco devolverá ningún valor infinito).
– jmetz
24 de julio de 2012 a las 13:54
-
No olvides los paréntesis 🙂
print ([value for value in x if not math.isnan(value)])– hiperactivos
22 de noviembre de 2017 a las 16:09
-
Si está usando numpy como la respuesta principal, puede usar esta respuesta de comprensión de lista con el
nppaquete: Entonces devuelve su lista sin los nans:[value for value in x if not np.isnan(value)]– yeliabsalohcin
23 de noviembre de 2018 a las 14:09
Para mí, la respuesta de @jmetz no funcionó, sin embargo, usar pandas isnull() sí lo hizo.
x = x[~pd.isnull(x)]
La respuesta de @ jmetz es probablemente la que la mayoría de la gente necesita; sin embargo, produce una matriz unidimensional, por ejemplo, haciéndola inutilizable para eliminar filas o columnas enteras en matrices.
Para hacerlo, se debe reducir la matriz lógica a una dimensión y luego indexar la matriz de destino. Por ejemplo, lo siguiente eliminará filas que tengan al menos un valor NaN:
x = x[~numpy.isnan(x).any(axis=1)]
Ver más detalle aquí.
Shashank Srivastava
Como lo muestran otros
x[~numpy.isnan(x)]
obras. Pero arrojará un error si el numpy dtype no es un tipo de datos nativo, por ejemplo, si es un objeto. En ese caso puedes usar pandas.
x[~pandas.isna(x)] or x[~pandas.isnull(x)]
MelissaOu
Haciendo lo anterior:
x = x[~numpy.isnan(x)]
o
x = x[numpy.logical_not(numpy.isnan(x))]
Descubrí que restablecer la misma variable (x) no eliminó los valores reales de nan y tuve que usar una variable diferente. Establecerlo en una variable diferente eliminó los nans. p.ej
y = x[~numpy.isnan(x)]
-
Esto es extraño; de acuerdo a los documentosla indexación de matriz booleana (que es esto), está bajo indexación avanzada que aparentemente “siempre devuelve una copia de los datos”, por lo que debe sobrescribir
xcon el nuevo valor (es decir, sin los NaNs…). ¿Puede proporcionar más información sobre por qué podría estar sucediendo esto?– jmetz
24 de marzo de 2017 a las 10:35
¿Ha sido útil esta solución?
Tu feedback nos ayuda a saber si la solución es correcta y está funcionando. De esta manera podemos revisar y corregir el contenido.