在numpy数组中填充nan

当左非nan值和右非nan值匹配时，是否有一种直接的方法在numpy数组中填充nan值

---

例如，如果我有一个数组包含False、False、NaN、NaN、False，我希望NaN值也为False。如果左右值不匹配，我希望它保持NaN

您的第一个任务是可靠地识别

np.NaN

元素。因为它是唯一的浮点值，所以测试不是trivail<代码>np。isnan是最好的

numpy

工具

要混合布尔值和浮点值（

np.nan

），必须使用对象数据类型：

In [68]: arr = np.array([False, False, np.nan, np.nan, False],object)                                        
In [69]: arr                                                                                                 
Out[69]: array([False, False, nan, nan, False], dtype=object)

转换为浮点将False更改为0（True更改为1）：

np.isnan

是对

nan

的一个很好的测试，但它只适用于浮点数：

In [71]: np.isnan(arr)                                                                                       
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-71-25d2f1dae78d> in <module>
----> 1 np.isnan(arr)

TypeError: ufunc 'isnan' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

In [72]: np.isnan(arr.astype(float))                                                                         
Out[72]: array([False, False,  True,  True, False])

---

可靠地识别了

nan

值后，您可以应用before/after逻辑。我不确定使用列表或数组是否更容易（您的逻辑并不完全清楚）。

尝试使用numpy.isnan（）函数

False

是一个布尔值

nan

us一个浮点数。如果您检查…。a=np.array（[np.NaN，False，np.NaN，True]）…将产生…。数组（[nan，0.，nan，1.]）…。显然你没有。你的实际阵列是什么？阵列的数据类型和形状是什么？结果呢？

In [71]: np.isnan(arr)                                                                                       
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-71-25d2f1dae78d> in <module>
----> 1 np.isnan(arr)

TypeError: ufunc 'isnan' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

In [72]: np.isnan(arr.astype(float))                                                                         
Out[72]: array([False, False,  True,  True, False])

In [73]: def foo(x): 
    ...:     try: 
    ...:         return np.isnan(x) 
    ...:     except TypeError: 
    ...:         return x 
    ...:                                                                                                     
In [74]: [foo(x) for x in arr]                                                                               
Out[74]: [False, False, True, True, False]