python:numpy中数组的NAN和常用统计方法

1. 两个nan是不相等的

In [1]:import numpy as np
In [2]:np.nan != np.nan       # 两个nan不想等，返回的是True
Out[2]: True
In [3]:np.nan = np.nan
In [4]:np.nan == np.nan       # 两个nan想等，返回的是False
Out[4]: False

2. 判断数组中不为0的数据的个数

In [5]:t = np.arange(24).reshape(4,6)     # t赋值为4行6列的一个数组
In [6]:t
Out[6]: 
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23]])
In [7]:t[:,0] = 0                          # 将第一列赋值为0
In [8]:t
Out[8]: 
array([[ 0,  1,  2,  3,  4,  5],
       [ 0,  7,  8,  9, 10, 11],
       [ 0, 13, 14, 15, 16, 17],
       [ 0, 19, 20, 21, 22, 23]])
In [9]:np.count_nonzero(t)      #　判断数组中不为０的数据的个数
Out[9]: 20

３. 判断数组中nan的个数，数组的计算

# 将t转换为float格式，因为nan是浮点型，将t中某些数据改为nan，必须将t转换为float
In [14]:t = t.astype(float)   
In [16]:t[3,3:] = np.nan      #  赋值为nan
In [17]:t
Out[17]: 
array([[ 0.,  1.,  2.,  3.,  4.,  5.],
       [ 0.,  7.,  8.,  9., 10., 11.],
       [ 0., 13., 14., 15., 16., 17.],
       [ 0., 19., 20., nan, nan, nan]])
In [19]:np.count_nonzero(t != t)    # 方法1：判断nan的个数，t != t 即为nan，nan != nan
Out[19]: 3
In [20]:np.isnan(t)                 # np.isnan(t)和t != t效果一样，判断那些是nan的值
Out[20]: 
array([[False, False, False, False, False, False],
       [False, False, False, False, False, False],
       [False, False, False, False, False, False],
       [False, False, False,  True,  True,  True]])
In [21]:np.count_nonzero(np.isnan(t))  # 方法2：判断nan的个数，np.isnan 即为nan
Out[21]: 3
# nan和任何值计算，结果都为nan
In [22]:np.sum(t)
Out[22]: nan
In [23]:np.sum(t,axis=0)                            # 列方向上值相加
Out[23]: array([ 0., 40., 44., nan, nan, nan])
In [24]: np.sum(t,axis=1)                         # 行方向上值相加
Out[34]: array([15., 45., 75., nan])