如何在Julia 1.0中用数组中的NaN替换Inf值？

我在网上看到了一些解决方案

 a = [1 2 3; 4 5 Inf]
 a[isinf(a)] = NaN

但这给了我一个关于Julia 1.0.1的错误：

 ERROR: MethodError: no method matching isinf(::Array{Float64,2})
 Closest candidates are:
   isinf(::BigFloat) at mpfr.jl:851
   isinf(::Missing) at missing.jl:79
   isinf(::ForwardDiff.Dual) at <path on my local machine>

ERROR:MethodError:没有与isinf匹配的方法（：：数组{Float64,2}）
最接近的候选人是：
在mpfr.jl:851处的isinf（：：BigFloat）
isinf（：：缺失）位于缺失处。jl:79
isinf（：：ForwardDiff.Dual）位于

---

给出了什么？

您正在将整个数组传递给isinf，它对数组无效，对数字有效。试试这个：

[isinf(i) ? NaN : i for i in a]

---

编辑：有关此问题最有效的解决方法，请参阅@BogumilKaminski的优秀答案。这个答案解决了一个更一般的问题，即为什么

isinf

和相关函数不再在阵列上工作

您遇到了一个更普遍的问题，即v1.0之前在阵列上工作的许多函数不再在v1.0中的阵列上工作，因为您应该使用广播。v1.0的正确解决方案是：

a[isinf.(a)] .= NaN

---

我实际上在这里的两个地方广播。首先，我们在数组

a

上广播

isinf

，但我们也通过

=

将RHS上的标量

NaN

广播到LHS上数组中的所有索引位置。一般来说，点广播符号是难以置信的灵活和性能，也是我最喜欢的Julia最新版本的特征之一

作为补充评论。执行此操作的标准功能是

replace。您可以这样使用它：

julia>  a = [1 2 3; 4 5 Inf]
2×3 Array{Float64,2}:
 1.0  2.0    3.0
 4.0  5.0  Inf

julia> replace!(a, Inf=>NaN)
2×3 Array{Float64,2}:
 1.0  2.0    3.0
 4.0  5.0  NaN

function inf2nan(x)
    for i in eachindex(x)
        @inbounds x[i] = ifelse(isinf(x[i]), NaN, x[i])
    end
end

对于大型阵列，它的性能将优于广播

如果您确实需要速度，可以编写如下简单函数：

julia>  a = [1 2 3; 4 5 Inf]
2×3 Array{Float64,2}:
 1.0  2.0    3.0
 4.0  5.0  Inf

julia> replace!(a, Inf=>NaN)
2×3 Array{Float64,2}:
 1.0  2.0    3.0
 4.0  5.0  NaN

function inf2nan(x)
    for i in eachindex(x)
        @inbounds x[i] = ifelse(isinf(x[i]), NaN, x[i])
    end
end

现在让我们简单地比较三个选项的性能：

julia> function bench()
           x = fill(Inf, 10^8)
           @time x[isinf.(x)] .= NaN
           x = fill(Inf, 10^8)
           @time replace!(x, Inf=>NaN)
           x = fill(Inf, 10^8)
           @time inf2nan(x)
       end
bench (generic function with 1 method)

julia> bench()
  0.980434 seconds (9 allocations: 774.865 MiB, 0.16% gc time)
  0.183578 seconds
  0.109929 seconds

julia> bench()
  0.971408 seconds (9 allocations: 774.865 MiB, 0.03% gc time)
  0.184163 seconds
  0.102161 seconds

这实际上创建了一个新数组，而不是更新当前数组。更多细节请参见我的答案。是的，很公平，你的答案更好。这是一个非常有用的答案。我键入我的答案时没有考虑到
isinf.（x）
将分配的事实。是的，在Julia中-相反，例如R-如果需要性能，通常会希望避免分配二进制向量来执行子集设置。在这种特殊情况下，循环比
replace在这种情况下，因为我们可以使用
ifelse
避免循环中的分支，并且由于我们执行的操作简单且
@inbounds
编译器可以显著优化其执行时间。非常有趣，感谢您的解释。我将引导读者阅读您的答案，但请保留我的答案，因为它解决了问题中想知道为什么
isinf
不再适用于数组的部分。您的答案是90%情况下最简单的方法，它足够好，并且是您需要知道的全部，所以+1:）。