删除 numpy 数组中的 NaN答案

【问题标题】：Removing NaNs in numpy arrays删除 numpy 数组中的 NaN
【发布时间】：2015-05-21 03:40:00
【问题描述】：

我有两个包含 NaN 的 numpy 数组：

A = np.array([np.nan,   2,   np.nan,   3,   4])
B = np.array([   1  ,   2,     3   ,   4,  np.nan])

是否有任何智能方法使用 numpy 删除两个数组中的 NaN，并删除另一个列表中相应索引上的内容？让它看起来像这样：

A = array([  2,   3, ])
B = array([  2,   4, ])

【问题讨论】：

你也在使用pandas吗？（dropna 可以用 DataFrame 对象做你想做的事）

标签： python arrays numpy nan

【解决方案1】：

您可以做的是将 2 个数组加在一起，这将用 NaN 值覆盖它们不存在的地方，然后使用它生成一个布尔掩码索引，然后使用该索引索引到您的原始 numpy 数组：

In [193]:

A = np.array([np.nan,   2,   np.nan,   3,   4])
B = np.array([   1  ,   2,     3   ,   4,  np.nan])
idx = np.where(~np.isnan(A+B))
idx
print(A[idx])
print(B[idx])
[ 2.  3.]
[ 2.  4.]

A+B的输出：

In [194]:

A+B
Out[194]:
array([ nan,   4.,  nan,   7.,  nan])

编辑

正如@Oliver W. 正确指出的那样，np.where 是不必要的，因为np.isnan 会生成一个布尔索引，您可以使用它来索引数组：

In [199]:

A = np.array([np.nan,   2,   np.nan,   3,   4])
B = np.array([   1  ,   2,     3   ,   4,  np.nan])
idx = (~np.isnan(A+B))
print(A[idx])
print(B[idx])
[ 2.  3.]
[ 2.  4.]

【讨论】：

使用np.where 完全是多余的。
@OliverW。唔。是的，你是对的，我原本以为我需要整数索引，但是是的，这里没有必要，我会更新我的答案

【解决方案2】：

A[~(np.isnan(A) | np.isnan(B))]

B[~(np.isnan(A) | np.isnan(B))]

【讨论】：