仅保留来自 numpy 字符串数组的数字信息

Question

我只想保留 numpy 字符串数组中的数字，这些数字不一定有效。我的代码如下所示：

age = train['age'].to_numpy() # 200k values
set(age)
# {'1', '2', '3', '7-11', np.nan...} 

age  = np.array(['1', '2', '3', '7-11', np.nan])

期望的输出： np.array([1, 2, 3])。理想情况下，'7-11' 应该是 7，但是，这并不简单，而且是可以容忍的损失。

np.isfinite(x) 给出“输入类型不支持 ufunc 'isfinite'，并且根据强制转换规则 ''safe'' 无法安全地将输入强制转换为任何支持的类型” /p>

x = [num for num in age if isinstance(num, (int, float))] 返回[]

Answer 1

这里有一个选项会先在'-'上分割字符串，并且只取第一个值，所以'7-11'被转换为7：

age = np.array(['1', '2', '3', '7-11', np.nan])
age_int = np.array([int(x[0]) for x in np.char.split(age, sep='-') if x[0].isdecimal()])

输出：array([1, 2, 3, 7])

如果您不关心“7-11”之类的情况，还有一种更有效的方法：

age_int2 = age[np.char.isdecimal(age)].astype(int)

输出2：array([1, 2, 3])

Answer 2

您可以执行以下操作

for pos, val in enumerate(age):
    try:
        new_val = int(val)
    except:
        new_val = np.nan
    age[pos] = new_val

age = age[age!="nan"].astype(int)

print(age)
> array([1, 2, 3])