Python-Scipy带nan值的线性回归

我想得到我的数据的线性回归的斜率，但Y包含一些nan值…因此它干扰了线性回归函数。。。 例如：

from scipy import stats
import numpy as np

X = np.array([0,1,2,3,4,5])
Y = np.array([np.NaN,4, 5, 10, 2, 5])
stats.linregress(X,Y)

但是，我得到：（楠，楠，楠，楠，楠） 因此，我尝试屏蔽无效值，如您所见：

import numpy.ma as ma
stats.linregress((X),ma.masked_invalid(Y))

但它是一样的…我不知道我要做什么

尝试以下操作：

Y=Y[np.logical_not(np.isnan(Y))]
X=X[np.logical_not(np.isnan(Y))]

upd：正如沃伦所注意到的，

Y

将被更新，因此

nan

不见了。您可以输入

Y[np.logical\u not（np.isnan（Y））]

和

X=X[np.logical\u not（np.isnan（Y））]

直接进入线性回归。或者使用

np.isfinite

查看Warren的答案，尝试以下方法：

Y=Y[np.logical_not(np.isnan(Y))]
X=X[np.logical_not(np.isnan(Y))]

upd：正如沃伦所注意到的，

Y

将被更新，因此

nan

不见了。您可以输入

Y[np.logical\u not（np.isnan（Y））]

和

X=X[np.logical\u not（np.isnan（Y））]

直接进入线性回归。或者查看Warren关于

np.isfinite

的回答。要删除y为

nan

或

inf

的（x，y）对，可以执行以下操作：

finiteYmask = np.isfinite(Y)
Yclean = Y[finiteYmask]
Xclean = X[finiteYmask]

如果您仅对

linregresse

使用这些“已清理”数组，则只需执行以下操作：

finiteYmask = np.isfinite(Y)

然后调用

linregresse（X[finiteYmask]，Y[finiteYmask]）

删除Y为

nan

或

inf

的（X，Y）对，您可以执行以下操作：

finiteYmask = np.isfinite(Y)
Yclean = Y[finiteYmask]
Xclean = X[finiteYmask]

如果您仅对

linregresse

使用这些“已清理”数组，则只需执行以下操作：

finiteYmask = np.isfinite(Y)

---

然后打电话给LinRegression（X[finiteYmask]，Y[finiteYmask]）

谢谢你的帮助，但我想我也有无穷多的数字激怒了nan。。。这种情况下有相同的函数吗？该解决方案存在问题。第一行更改为Y，因此不再有任何

nan

s。然后，在第二行，

np.logical_not（np.isnan（Y））

将始终是所有的真值，如果

Y

中最初有任何

nan

，布尔数组的长度将小于

X

的长度，因此它将简单地丢弃

X

末尾的值。用问题中给出的例子测试一下，你会发现它并没有达到你想要的效果。是的，但你得到了这个想法，你可以将

Y[np.logical\u not（np.isnan（Y））]

和

X[np.logical\u not（np.isnan（Y））]

输入到线性回归中。谢谢你的帮助，但我想我也有无穷多的数字激发了nan。。。这种情况下有相同的函数吗？该解决方案存在问题。第一行更改为Y，因此不再有任何

nan

s。然后，在第二行，

np.logical_not（np.isnan（Y））

将始终是所有的真值，如果

Y

中最初有任何

nan

，布尔数组的长度将小于

X

的长度，因此它将简单地丢弃

X

末尾的值。用问题中给出的例子测试它，你会发现它并没有达到你想要的效果。没错，但你明白了，你可以将

Y[np.logical\u not（np.isnan（Y））]

和

X[np.logical\u not（np.isnan（Y））]

输入到线性回归中。一个建议：如果你将掩码改为

np.isfinite（[X，Y]）。all（axis=0）

它也可以处理X数组中的nan值。@ayhan这也有助于屏蔽实例WAR

X

is

nan

或

inf

但不

y

；对吗？@Dataman是的，通过使用

.all（）

你强制x和y都是有限的。一个建议是：如果你将掩码更改为

np.isfinite（[x，y]）。all（axis=0）

它也可以处理x数组中的nan值。@ayhan这也有助于屏蔽实例是

x

is

nan

或

inf

，但不是

y

；对吗？@Dataman是的，通过使用

.all（）

您强制x和y都是有限的。