怎么将numpy二维数组中的np.nan值替换为指定的值(numpy,开发技术)

在numpy中NaN值一般出现在数据清洗前，出现这个值说明这个数据是缺失的。在有些时候我们会选择直接删除这些数据，但有些时候这些数据是不能删除的，这个时候我们就需要使用一些方法将np.nan值替换为指定的值。

（1）np.nan表示该值不是一个数，比如数据中收入、年龄的缺失值；np.inf表示无穷大

（2）np.nan == np.nan 的结果为False

（3）nan与任何数的操作结果均为nan,例如sum((np.nan,4)) 的结果为nan

（4）一个ndarray数组t1，可以用np.isnan(t1) 定位到nan值的位置，再用t1[np.isnan(t1)] = 指定值 将nan替换为指定值

（5）np.nan_to_num(t1)，可以将t1中的nan替换为0

（6）t1[ t1 == t1]可以剔除所有nan只保留非nan值

现在生成一个3*4的数组，设定第1行，第2、3列位置两个元素为np.nan

[[ 0. 1. 2. 3.]

[ 4. 5. nan nan]

[ 8. 9. 10. 11.]]

如何将t1中的nan替换为0

方法3不但可以替换为0，替换为其它值也可，建议使用。

如何将t1中的nan替换为某些计算之后的值，例如将其替换为该列所有非 nan元素的均值

将原始数据中缺失的值替换为0有时未必是合适的。例如原始数据中某些人的年龄没有填，如果替换为0，将来在计算年龄平均值或做数据分析时就存在不合理的后果。此时，将年龄缺失的的人的年龄设为均值更为合理。

运行结果：

[[ 0. 1. 2. 3.]

[ 4. 5. 6. 7.]

[ 8. 9. 10. 11.]]

运行结果同上

使用功能强大的pandas库

运行结果同上。

补充：python 快速替换Numpy 中的Nan（空值）和inf （无限值）

在做数据处理的时候由于要保证数据的个数不变，需要把数据中的空值和无穷值替换为指定的值（此处为255），考虑到数据量比较大（50000000条数据），效率也是一个考虑因素。

可以看出几种方法的效率差别还是比较大的，尤其是使用了replace或者np.where函数的方法，比较慢。