以特定方式替换数组中的 NaN答案

【问题标题】：Replace NaN's in an array in a specific way以特定方式替换数组中的 NaN
【发布时间】：2019-11-10 20:40:03
【问题描述】：

我有一个表单数组（此处简化）：[1,NaN,NaN,7,NaN,27]。我想用已知值之间等距的值替换NaN's，因此上面的数组将变为[1,3,5,7,17,27]。有没有一种快速的方法来做到这一点（不使用一些 for 循环）？谢谢！

【问题讨论】：

标签： python numpy

【解决方案1】：

Pandas 的 dataframe.interpolate() 函数主要用于填充数据框或系列中的 NA 值

import pandas as pd
import numpy as np

arr = [ 1, np.NaN, np.NaN, 7, np.NaN, 27]
//converting array in series 
print(pd.Series(arr).interpolate(method = 'linear', limit_direction = 'forward'))

参数
method = 'linear'：忽略索引并将值视为等距。
limit_direction： {'forward', 'backward', 'both'}, 默认 'forward' 如果指定了限制，则将在该方向填充连续的 NaN。
limit：int，可选要填充的最大连续 NaN 数。必须大于 0。

print(pd.Series(arr).interpolate(method = 'linear', limit_direction = 'forward', limit = 1))
#5 won't  get printed
print(pd.Series(arr).interpolate(method = 'linear', limit_direction = 'backward', limit = 1))
#3 won't get printed

您可以根据自己的要求尝试不同的变体。

【讨论】：

【解决方案2】：

如果可能，使用pandas 创建Series，然后使用Series.interpolate：

import pandas as pd
import numpy as np

arr = [1,np.NaN,np.NaN,7,np.NaN,27]

print (pd.Series(arr).interpolate().values)
[ 1.  3.  5.  7. 17. 27.]

【讨论】：