计算 NumPy 数组中非 NaN 元素的数量
原文:https://www . geeksforgeeks . org/counting-numpy 数组中非 nan 元素的数量/
在本文中，我们将看到如何在 Python 中计算 NumPy 数组中非 NaN 元素的数量。
NAN: 当你不在乎那个位置的值是多少时使用。也许有时是用来代替丢失的数据或损坏的数据。
方法 1:使用条件
在这个例子中，我们将使用一维数组。在下面给出的代码中，我们遍历给定 NumPy 数组的每个条目，并检查该值是否是 NaN。
蟒蛇 3
import numpy as np
ex1 = np.array([1, 4, -9, np.nan])
ex2 = np.array([1, 45, -2, np.nan, 3,
-np.nan, 3, np.nan])
def approach_1(data):
# here the input data, is a numpy ndarray
# initialize the number of non-NaN elements
# in data
count = 0
# loop over each entry of the data
for entry in data:
# check whether the entry is a non-NaN value
# or not
if not np.isnan(entry):
# if not NaN, increment "count" by 1
count += 1
return count
print(approach_1(ex1))
print(approach_1(ex2))
输出:
3
5
方法二:使用 isnan()
利用 NumPy 数组的功能，我们可以一次对整个数组而不是单个元素执行操作。
已用功能:
- np.isnan(数据):对数组的条目执行 np.isnan()操作后返回一个布尔数组，数据
- np.sum():因为我们正在向 sum 函数输入一个布尔数组，所以它返回 bool 数组中 True 值(1s)的数量。
蟒蛇 3
import numpy as np
ex3 = np.array([[3, 4, -390, np.nan],
[np.nan, np.nan, np.nan, -90]])
def approach_2(data):
return np.sum(~np.isnan(data))
print(approach_2(ex3))
输出:
4
方法三:使用NP . count _ 非零()功能
numpy . count _ 非零()函数计算数组 arr 中非零值的个数。
语法:numpy . count _ 非零(arr，axis =无)
参数: arr:【array _ like】要计算非 0 的数组。 轴:【int 或 tuple，可选】轴或轴的 tuple，沿其计数非 0。默认值为“无”，这意味着非 0 将沿着平坦版本的 arr 进行计数。
返回:【int 或 int 数组】数组中沿给定轴的非零值的数量。否则，返回数组中非零值的总数。
蟒蛇 3
import numpy as np
ex4 = np.array([[0.35834379, 0.67202438, np.nan, np.nan,
np.nan, 0.47870971],
[np.nan, np.nan, np.nan, 0.08113384,
0.70511741, 0.15260996],
[0.09028477, np.nan, 0.16639899,
0.47740582, 0.7259116, 0.94797347],
[0.80305651, np.nan, 0.67949724,
0.84112054, 0.15951702, 0.07510587],
[0.28643337, 0.00804256, 0.36775056,
0.19360266, 0.07288145, 0.37076932]])
def approach_3(data):
return data.size - np.count_nonzero(np.isnan(data))
print(approach_3(ex4))
输出:
22
