Python中将int数组的值更改为NaN（ValueError）

如果我尝试：

ints = np.arange(10)
ints[0] = np.nan

我得到以下错误：

Error:
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: cannot convert float NaN to integer

---

我不知道您的实际问题是什么，但我有一个类似的问题，我想将值设置为

NaN

，如果该值是“误差测量”。我所做的是生成一个“正确索引”列表，其中所有非错误元素都用各自的索引表示：

# A sensor could measure distance and angle
non_error = np.where(distance != 4294967295) # 4294967295 indicates an error
non_error_angle = angle[non_error]
non_error_distance = distance[non_error]

---

在实际的实现中，我有多个数据数组，所有数组都有相同的错误索引，因此可以使用

非错误

列表来查找所有数组中的非错误元素，而不会有弄乱数据顺序的风险，因为它们与索引相对应。

我不知道您实际的问题是什么，但我有一个简单的问题如果值是“误差测量”，我想将值设置为

NaN

。我所做的是生成一个“正确索引”列表，其中所有非错误元素都用各自的索引表示：

# A sensor could measure distance and angle
non_error = np.where(distance != 4294967295) # 4294967295 indicates an error
non_error_angle = angle[non_error]
non_error_distance = distance[non_error]

import pandas as pd
import numpy as np

在实际的实现中，我有多个数据数组，所有数组都有相同的错误索引，因此

non_error

列表可以用于查找所有数组中的非错误元素，而不会有弄乱数据顺序的风险，因为它们与索引对应

import pandas as pd
import numpy as np

如果需要NAN阵列，则：

array = np.empty(3)
array[:] = np.NaN

或者，如果需要更改给定值，则：

ints = np.arange(10).astype(float)
ints[0]=np.NAN
pdintseries=pd.Series(int).astype(dtype='Int64') #pandas has released support for nan containing Int64 dtypes.

可以进一步将序列转换为numpy对象

或直接：

int=np.arange(10).astype(object)
int[0]=np.NAN

并没有特别解决你的问题，但有办法解决

如果需要NAN阵列，则：

array = np.empty(3)
array[:] = np.NaN

或者，如果需要更改给定值，则：

ints = np.arange(10).astype(float)
ints[0]=np.NAN
pdintseries=pd.Series(int).astype(dtype='Int64') #pandas has released support for nan containing Int64 dtypes.

可以进一步将序列转换为numpy对象

或直接：

int=np.arange(10).astype(object)
int[0]=np.NAN

---

没有专门解决您的问题，但有办法解决。

整数类型没有“NaN”值，只有浮点类型有。解决问题的最佳方法取决于实际问题是什么，也就是说，取决于为什么要在数组中存储“NaN”值。给定的答案现在能满足您的要求吗？整数类型没有“NaN”值，只有浮点类型有。解决问题的最佳方法取决于实际问题是什么，也就是说，取决于为什么要在数组中存储“NaN”值。给出的答案现在能满足您的要求吗？