意味着在不使用 numpy.nanmean 的情况下忽略 NumPy 数组中的列的 NaN答案

【问题标题】：Mean ignoring NaNs along columns in a NumPy array without using numpy.nanmean意味着在不使用 numpy.nanmean 的情况下忽略 NumPy 数组中的列的 NaN
【发布时间】：2017-06-27 21:51:16
【问题描述】：

我有一个如下的 numpy 数组：

x = array([[  1.,   2.,   3.],
           [  4.,   5.,   6.],
           [ nan,   8.,   9.]])

我想计算每列的平均值。如果我使用np.mean(x, axis=0)，那么我得到nan 作为第一列的平均值，并使用x[~np.isnan(x)] 过滤掉nan 值将数组展平为一维数组。

我需要使用旧版本的numpy，所以我不能使用numpy.nanmean

编辑：This comment 解释了为什么这不是发布的问题的重复

【问题讨论】：

NumPy: calculate averages with NaNs removed的可能重复
@StefanoNardo 很好的发现。链接问答的答案帖子基本上建议使用numpy.ma.masked_array，我发现这不是有效的，或者以某种形式使用nanmean，OP 不能使用。鉴于这种情况，恕我直言，使用常规布尔数组进行屏蔽将是可行的方法。

标签： python arrays numpy nan

【解决方案1】：

一种方法是使用boolean-indexing -

def nanmean_cols(x):
    mask = ~np.isnan(x)
    x_masked = np.where(mask, x, 0)
    return x_masked.sum(0)/mask.sum(0)

示例运行 -

In [114]: x
Out[114]: 
array([[  1.,   2.,   3.],
       [  4.,   5.,   6.],
       [ nan,   8.,   9.]])

In [115]: np.nanmean(x,axis=0)
Out[115]: array([ 2.5,  5. ,  6. ])

In [117]: nanmean_cols(x)
Out[117]: array([ 2.5,  5. ,  6. ])

【讨论】：

【解决方案2】：

我想出了另一种不使用布尔索引的方法：

means = []
# Iterate over each column in x
for col in x.T:
    filtered_vals = col[~np.isnan(col)]
    avg = np.mean(filtered_vals)
    means.append(avg)

单行版本：

means = [np.mean(col[~np.isnan(col)]) for col in x.T]

【讨论】：