Python 平均值忽略NumPy数组中沿列的NaN，而不使用NumPy.nanmean

我有一个numpy数组，如下所示：

x = array([[  1.,   2.,   3.],
           [  4.,   5.,   6.],
           [ nan,   8.,   9.]])

我想计算每列的平均值。如果我使用

np.mean（x，axis=0）

，那么我得到

nan

作为第一列的平均值，并使用

x[~np.isnan（x）]

过滤

nan

值，将数组展平为1D数组

我需要使用旧版本的numpy，所以我不能使用

---

编辑：解释为什么这不是发布的问题的重复

一种方法是使用

布尔索引

-

def nanmean_cols(x):
    mask = ~np.isnan(x)
    x_masked = np.where(mask, x, 0)
    return x_masked.sum(0)/mask.sum(0)

样本运行-

In [114]: x
Out[114]: 
array([[  1.,   2.,   3.],
       [  4.,   5.,   6.],
       [ nan,   8.,   9.]])

In [115]: np.nanmean(x,axis=0)
Out[115]: array([ 2.5,  5. ,  6. ])

In [117]: nanmean_cols(x)
Out[117]: array([ 2.5,  5. ,  6. ])

---

我找到了另一种不使用布尔索引的方法：

means=[]
#迭代x中的每一列
对于x.T中的列：
过滤的值=列[~np.isnan（列）]
平均值=平均值（过滤值）
平均附加值（平均值）

单行版本：

means=[np.means（col[~np.isnan（col）]表示x.T中的col]

可能与@StefanoNardo相同，但发现得很好。链接问答的答案基本上是建议使用

numpy.ma.masked_数组

，我还没有发现这是有效的，或者以某种形式使用

nanmean

，OP不能使用。考虑到这种情况，IMHO使用常规布尔数组进行掩蔽将是一种可行的方法。