如果列不同于 NaN 或 0，则 np.any() 替代答案

【问题标题】：np.any() alternative if column is different than NaN or 0如果列不同于 NaN 或 0，则 np.any() 替代
【发布时间】：2019-03-15 07:30:21
【问题描述】：

我想检查 Dataframe 中的列是否包含不同于 0 或 NaN 的值。因此我尝试了 np.any() 但如果列中只有 NaN 和 0 它也会返回 true。

np.any([0 , np.NaN, 0])
True

获得这样的输出的最佳方法是什么：（列的类型是 float64）

df = [0 , np.NaN, 18, 0]
True

df = [0, np.NaN, 0]
False

谢谢，回复

【问题讨论】：

标签： python pandas numpy nan

【解决方案1】：

用fillna 替换缺失值并检查：

print (pd.Series([0 , np.NaN, 18, 0]).fillna(0).any())
True

print (pd.Series([0 , np.NaN, 0]).fillna(0).any())
False

或者通过dropna删除它们：

print (pd.Series([0 , np.NaN, 18, 0]).dropna().any())
True

print (pd.Series([0 , np.NaN, 0]).dropna().any())
False

Numpy 解决方案 - 通过使用 numpy.isnan 和索引进行索引来删除缺失值：

def checkNaN_or_0(arr):
    m = ~np.isnan(arr)
    return np.any(np.array(arr)[m])

print (checkNaN_or_0([0, np.NaN, 18, 0]))
True

print (checkNaN_or_0([0, np.NaN, 0]))
False

感谢@AGN Gazer 也可以使用np.inf 值：

def checkNaN_or_0(arr):
    m = np.isfinite(arr)
    return np.any(np.array(arr)[m])

print (checkNaN_or_0([0, np.NaN, 18, 0, np.inf]))
True

print (checkNaN_or_0([0, np.NaN, 0, np.inf]))
False

【讨论】：

或者，我会使用 numpy.isfinite 而不是 ~numpy.isnan()，但要知道删除无限值也是可以的。
@AGNGazer - 谢谢，已添加到答案中。
@AGNGazer - 我有点惊讶，但现在明白了。谢谢。

【解决方案2】：

反相然后求和

(~df['column name'].isin([0, np.nan])).sum() > 0

或

any(~df['column name'].isin([0, np.nan]))

【讨论】：