用大数组中的零替换空值或缺失值答案

【问题标题】：Replacing empty or missing values with zeros in a large array用大数组中的零替换空值或缺失值
【发布时间】：2019-02-20 01:56:34
【问题描述】：

我有一个包含 40000 多个元素的大型数组

a = ['15', '12', '', 18909, ...., '8989', '', '90789', '8']

我正在寻找一种简单的方法来将空 '' 值替换为 '0'，以便我可以使用 Numpy 操作数组中的数据。

然后我会使用将数组中的元素转换为整数

a = map(int, a)

这样我就可以在 numpy 中找到数组的平均值

a_mean = np.mean(a)

我的问题是我无法转换为缺少数字的数组中的整数以获得平均值。

【问题讨论】：

你能做到：new_a = [int(v or 0) for v in a]，然后使用new_a吗？
我相信你可以使用numpy.nan_to_num ?

标签： python arrays numpy replace int

【解决方案1】：

如果我理解正确的话，它应该是这样的：

for index in range(len(a)):
    if a[i] is '':
       a[i] = '0'

你也可以使用：

a = list(map(lambda x: '0' if x == '' else x, a))

【讨论】：

【解决方案2】：

更详细的答案是：

acc = 0
for v in a:
    acc+=int(v or 0)
a_mean = acc/len(a)

【讨论】：

【解决方案3】：

从之前的 SO 学习中，我看到您可以使用以下解决方案将 NaN 转换为零..

from numpy import *

a = array([[0, 1, 2], [3, 4, NaN]])
where_are_NaNs = isnan(a)
a[where_are_NaNs] = 0

其次，nan_to_num() 正如我之前在评论中所说的那样。

>>> import numpy as np
>>> a = array([[0, 1, 2], [3, 4, np.NaN]])
>>> a
array([[  0.,   1.,   2.],
       [  3.,   4.,  nan]])
>>> a = np.nan_to_num(a)
>>> a
array([[ 0.,  1.,  2.],
       [ 3.,  4.,  0.]])

【讨论】：

【解决方案4】：

您可以创建一个小函数，将单个值完全转换为您想要的方式，例如：

def to_int(x):
    try:
        return int(x)
    except ValueError:
        return 0

可以和map一起使用：

In [22]: a = ['15', '12', '', 18909, '8989', '90789', '8']

map(to_int, a)
Out[23]: [15, 12, 0, 18909, 8989, 90789, 8]

在列表理解中：

In [25]: np.array([to_int(x) for x in a])
Out[25]: array([   15,    12,     0, 18909,  8989, 90789,     8])

或者在生成器表达式中直接创建一个numpy数组：

In [27]: np.fromiter((to_int(x) for x in a), dtype=int)
Out[27]: array([   15,    12,     0, 18909,  8989, 90789,     8])

【讨论】：

谢谢，这是解决我问题的简单而干净的方法。