如何仅用Python筛选出numpy.array中的非NaN数据元素？

本文共计276个文字，预计阅读时间需要2分钟。

python代码+导入pandas+arr的数据类型为一维的np.arrayimport pandas as pdarr=pd.Series(arr).to_numpy()

填充缺失值的知识Python numpy.mean()的使用方法sum(axis=*) 是求和，mean(axis=*) 是求平均值示例

代码

需要先导入pandas

arr的数据类型为一维的np.array

import pandas as pd
arr[~pd.isnull(arr)]

补充知识：python numpy.mean() axis参数使用方法

如下所示：

import numpy as np X = np.array([[1, 2], [4, 5], [7, 8]]) print(np.mean(X, axis=0, keepdims=True)) print('*'*50) print(np.mean(X, axis=1, keepdims=True)) print('*'*50) print(X.mean(axis=0)) print('*'*50) print(X.mean(axis=1))

[[4. 5.]]

[[1.5]
[4.5]
[7.5]]

[4. 5.]

[1.5 4.5 7.5]

20200221

np.mean()还可计算列表元素均值：

import numpy as np list1=[1,2,3,4,5] list2=[[1,2,3],[4,5,6]] print(np.mean(list1)) print(np.mean(list2))

结果：

3.0
3.5

以上这篇Python过滤掉numpy.array中非nan数据实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持易盾网络。