我想弄清楚如何从我的数组中删除 nan 值。我的数组看起来像这样：
x = [1400, 1500, 1600, nan, nan, nan ,1700] #Not in this exact configuration
如何从x 中删除nan 值？
【问题讨论】：
如果您对数组使用 numpy，您也可以使用
x = x[numpy.logical_not(numpy.isnan(x))]
等价
x = x[~numpy.isnan(x)]
[感谢 chbrown 添加的速记]
说明
内部函数numpy.isnan 返回一个布尔/逻辑数组，在x 不是数字的任何地方都有值True。正如我们想要的相反，我们使用逻辑非运算符 ~ 来获取一个数组，其中包含 Trues 的所有 x 是一个有效数字。
最后我们使用这个逻辑数组来索引原始数组x，只检索非NaN值。
【讨论】：
x = x[numpy.isfinite(x)]
x = x[~numpy.isnan(x)]，相当于mutzmatron的原始答案，但更短。如果你想保持无穷大，当然知道numpy.isfinite(numpy.inf) == False，但是~numpy.isnan(numpy.inf) == True。
np.where(np.isfinite(x), x, 0)
x 不是一个 numpy 数组。如果你想使用逻辑索引，它必须是一个数组——例如x = np.array(x)
filter(lambda v: v==v, x)
适用于列表和 numpy 数组 因为 v!=v 仅适用于 NaN
【讨论】：
x，而不是x[~numpy.isnan(x)] 类型的解决方案。当x 由长表达式定义并且您不想通过创建临时变量来存储该长表达式的结果而使代码混乱时，这很方便。
x[~numpy.isnan(x)] 可能会比较慢
试试这个：
import math
print [value for value in x if not math.isnan(value)]
更多信息，请阅读List Comprehensions。
【讨论】：
print ([value for value in x if not math.isnan(value)])
np 包一起使用：所以返回没有 nans 的列表：[value for value in x if not np.isnan(value)]
@jmetz 的回答对我来说不起作用，但是使用 pandas isnull() 可以。
x = x[~pd.isnull(x)]
【讨论】：
如别人所见
x[~numpy.isnan(x)]
有效。但如果 numpy dtype 不是本机数据类型，例如它是对象，它将引发错误。在这种情况下，您可以使用 pandas。
x[~pandas.isna(x)] or x[~pandas.isnull(x)]
【讨论】：
@jmetz's answer 可能是大多数人需要的；但是它会产生一个一维数组，例如使其无法删除矩阵中的整行或整列。
为此，应将逻辑数组缩减为一维，然后索引目标数组。例如，以下将删除至少具有一个 NaN 值的行：
x = x[~numpy.isnan(x).any(axis=1)]
查看更多详情here。
【讨论】：
执行上述操作：
x = x[~numpy.isnan(x)]
或
x = x[numpy.logical_not(numpy.isnan(x))]
我发现重置为相同的变量 (x) 并没有删除实际的 nan 值，并且必须使用不同的变量。将其设置为不同的变量会删除 nans。 例如
y = x[~numpy.isnan(x)]
【讨论】：
x覆盖新值（即没有 NaN...）。您能否提供更多信息说明为什么会发生这种情况？
如果您使用的是numpy
# first get the indices where the values are finite
ii = np.isfinite(x)
# second get the values
x = x[ii]
【讨论】：
accepted answer 改变二维数组的形状。
我在这里提出了一个解决方案，使用 Pandas dropna() 功能。
它适用于一维和二维数组。在 2D 情况下，您可以选择天气来删除包含np.nan 的行或列。
import pandas as pd
import numpy as np
def dropna(arr, *args, **kwarg):
assert isinstance(arr, np.ndarray)
dropped=pd.DataFrame(arr).dropna(*args, **kwarg).values
if arr.ndim==1:
dropped=dropped.flatten()
return dropped
x = np.array([1400, 1500, 1600, np.nan, np.nan, np.nan ,1700])
y = np.array([[1400, 1500, 1600], [np.nan, 0, np.nan] ,[1700,1800,np.nan]] )
print('='*20+' 1D Case: ' +'='*20+'\nInput:\n',x,sep='')
print('\ndropna:\n',dropna(x),sep='')
print('\n\n'+'='*20+' 2D Case: ' +'='*20+'\nInput:\n',y,sep='')
print('\ndropna (rows):\n',dropna(y),sep='')
print('\ndropna (columns):\n',dropna(y,axis=1),sep='')
print('\n\n'+'='*20+' x[np.logical_not(np.isnan(x))] for 2D: ' +'='*20+'\nInput:\n',y,sep='')
print('\ndropna:\n',x[np.logical_not(np.isnan(x))],sep='')
结果：
==================== 1D Case: ====================
Input:
[1400. 1500. 1600. nan nan nan 1700.]
dropna:
[1400. 1500. 1600. 1700.]
==================== 2D Case: ====================
Input:
[[1400. 1500. 1600.]
[ nan 0. nan]
[1700. 1800. nan]]
dropna (rows):
[[1400. 1500. 1600.]]
dropna (columns):
[[1500.]
[ 0.]
[1800.]]
==================== x[np.logical_not(np.isnan(x))] for 2D: ====================
Input:
[[1400. 1500. 1600.]
[ nan 0. nan]
[1700. 1800. nan]]
dropna:
[1400. 1500. 1600. 1700.]
【讨论】：
如果有帮助，对于简单的一维数组：
x = np.array([np.nan, 1, 2, 3, 4])
x[~np.isnan(x)]
>>> array([1., 2., 3., 4.])
但如果您希望扩展为矩阵并保留形状：
x = np.array([
[np.nan, np.nan],
[np.nan, 0],
[1, 2],
[3, 4]
])
x[~np.isnan(x).any(axis=1)]
>>> array([[1., 2.],
[3., 4.]])
我在处理 pandas .shift() 功能时遇到了这个问题，由于效率低下，我想不惜一切代价避免使用 .apply(..., axis=1)。
【讨论】：
只需填写
x = numpy.array([
[0.99929941, 0.84724713, -0.1500044],
[-0.79709026, numpy.NaN, -0.4406645],
[-0.3599013, -0.63565744, -0.70251352]])
x[numpy.isnan(x)] = .555
print(x)
# [[ 0.99929941 0.84724713 -0.1500044 ]
# [-0.79709026 0.555 -0.4406645 ]
# [-0.3599013 -0.63565744 -0.70251352]]
【讨论】：
最简单的方法是：
numpy.nan_to_num(x)
文档：https://docs.scipy.org/doc/numpy/reference/generated/numpy.nan_to_num.html
【讨论】：
NaNs，而 OP 要求完全删除元素。