比较两个numpy数组并插入nans

Question

我有两个numpy数组，其维数为（120,360），其中一个数组由整数和零组成，第二个数组由浮点数组成。我想在第一个数组中有一个整数的情况下用nans替换第二个数组的值。有没有一个简单而有效的方法来做到这一点？

另外，我想用nans替换第一个数组中的整数，并将零变为1。提前致谢。

Answer 1

您可以用逻辑的索引到阵列中轻松实现这一点，

arr2[ arr1 != 0 ] = numpy.NaN 

然而整数数组不支持NaN的，所以你不得不您的第一个数组转换成int数组，即

arr1 = arr1.astype(float) 
arr1[arr1 != 0.0] = numpy.NaN 
arr1[arr1 == 0.0] = 1.0 

Answer 2

设置阵列：

>>> import numpy as np 
>>> x = np.array([[1,0],[0,4]], dtype=int) 
>>> y = np.array([[1.1, 2.2],[3.3, 4.4]], dtype=float) 

可以容易地设置所述第二阵列以NA n其中你想，像这样：

>>> y[x != 0] = np.nan 
>>> y 
array([[ nan, 2.2], 
     [ 3.3, nan]]) 

然后转换头阵列漂浮（因为陈楠不是整数），并设置所需的值：

>>> x = x.astype(float) 
>>> x[x != 0] = np.nan 
>>> x[x == 0] = 1 
>>> x 
array([[ nan, 1.], 
     [ 1., nan]]) 

Answer 3

像前评论答案，我不认为比较浮动与==是一个好主意，我认为有些操作被浪费了。怎么样创建一个临时数组mask = (X != 0)并将其用作索引？

>>> X = X.astype(float) 
>>> X[~mask] = np.nan 
>>> X[mask] = 1 

Answer 4

我不知道你用的NaN替换值的目的，但你可能要考虑使用numpy的的蒙面数组来代替（类似于皮埃尔的答案，但numpy的具有内置面膜的支持！）：

import numpy.ma 
# mask out values when there is a non-zero integer in arr1 
arr2 = numpy.ma.masked_array(arr2, mask=arr1) 
# mask out values in arr2 for non-zero integers, and set all remaining values (the zeros) to 1 
arr1 = numpy.ma(arr1, mask=(arr1 != 0)) 
arr1[~arr1.mask] = 1 

没有需要浮点转换的整数，这使您可以使用很多numpy的功能而不会出现问题。例如，用NaN计算一个数组的平均值肯定是一个坏主意，带有一个掩码数组，这是没有问题的。