Python 如何迭代3D numpy数组

如果我要问的问题听起来很愚蠢，请原谅，我刚刚开始使用Python:D中的numpy和多维数组

也就是说，我有一个[85 x 235 x 327]的3D数组。每个位置都有一个离散值，在大多数情况下，还有NaN

我要做的第一件事是迭代这个数组并删除NaN值，构建一个只包含有效值的新数组

我试过这个：

    for index,value in np.ndenumerate( data ):
    print "index value: " + str(index)
    print "value: " + str(value)

indexOne = waves.shape[0]
indexTwo = waves.shape[1]
indexThree = waves.shape[2]

for i in range(indexOne):
    for j in range(indexTwo):
        for k in range(indexThree):
            a = waves[i,j,k]
            print a.data

但这只会执行一次传递…不确定ndenumerate的功能

我也试过：

    for index,value in np.ndenumerate( data ):
    print "index value: " + str(index)
    print "value: " + str(value)

indexOne = waves.shape[0]
indexTwo = waves.shape[1]
indexThree = waves.shape[2]

for i in range(indexOne):
    for j in range(indexTwo):
        for k in range(indexThree):
            a = waves[i,j,k]
            print a.data

虽然这会迭代…考虑到我有6531825个点…这将永远需要…因此，是否有任何内置函数可以从现有数组中删除值而不必迭代所有元素？

完全满足您的要求：

将nan替换为零，将inf替换为有限数

返回一个数组或标量，将数字（NaN）替换为零， （正）无穷大，有一个很大的数字和负无穷大 用一个很小（或负数）的数字

像这样使用它：

x = np.nan_to_num(x)

---

这在一定程度上取决于您希望最终数组的外观。这里有一个东西能真正做到你所说的。但是，它不会保留形状。设置阵列：

>>> a = numpy.linspace(0, 26, 27).reshape(3, 3, 3)
>>> a[1][0] = numpy.nan
>>> a
array([[[  0.,   1.,   2.],
        [  3.,   4.,   5.],
        [  6.,   7.,   8.]],

       [[ nan,  nan,  nan],
        [ 12.,  13.,  14.],
        [ 15.,  16.,  17.]],

       [[ 18.,  19.,  20.],
        [ 21.,  22.,  23.],
        [ 24.,  25.,  26.]]])

然后可以使用

isnan

创建掩码：

>>> numpy.isnan(a)
array([[[False, False, False],
        [False, False, False],
        [False, False, False]],

       [[ True,  True,  True],
        [False, False, False],
        [False, False, False]],

       [[False, False, False],
        [False, False, False],
        [False, False, False]]], dtype=bool)

并使用它索引

a

：

>>> a[~numpy.isnan(a)]
array([  0.,   1.,   2.,   3.,   4.,   5.,   6.,   7.,   8.,  12.,  13.,
        14.,  15.,  16.,  17.,  18.,  19.,  20.,  21.,  22.,  23.,  24.,
        25.,  26.])

您可以使用类似的技巧对

nan

值执行许多其他操作。例如：

>>> a[numpy.isnan(a)] = 0
>>> a
array([[[  0.,   1.,   2.],
        [  3.,   4.,   5.],
        [  6.,   7.,   8.]],

       [[  0.,   0.,   0.],
        [ 12.,  13.,  14.],
        [ 15.,  16.,  17.]],

       [[ 18.,  19.,  20.],
        [ 21.,  22.,  23.],
        [ 24.,  25.,  26.]]])

---

“移除”是什么意思？这听起来好像您只需要一个只包含非nan值的平面数组。或者你想用其他东西替换这些值？你读过了吗？我想你会发现它很有用。@senderle我只想去掉这些值，用一个包含所有值的最终数组，保留形状，如果可能的话，否则是一个平面数组。@MrE是的，我做了，谢谢分享：）问题的标题在这里有误导性…谢谢，我给它一个tryOk，感谢您提供的详细答案…对于像我这样大的阵列，这是否可取？从我的角度来看，我不介意丢失形状，因为，如果我没有值…我不介意丢失该列，真的。这确实会生成与原始列大小相同的第二个布尔数组；不过，对于大多数现代计算机来说，两个包含600万个元素的阵列并不太难处理。尽管如此，

numpy

中仍有许多与

nan

相关的函数，如果您需要，这些函数可能有助于减少内存使用。例如，您可以使用创建“屏蔽数组”；屏蔽阵列占用更多内存，但可能会节省内存或在某些操作中效率更高。感谢senderle，这可以有效地工作。你知道numpy是如何将多维数组展平为一维数组的吗？只是想知道在这个过程中我丢失了多少“信息”：D