数组不得包含 infs 或 NaN - Python

在使用 Python 进行数值计算时，我们经常需要使用数组来存储和处理数据。但是，在处理数组时，我们必须注意数组中不得包含 infs 或 NaN，否则会导致计算错误或异常。

什么是 infs 和 NaN

• infs (infinity) 代表正无穷或负无穷，通常是由于计算中出现了除以 0 的情况。
• NaN (not a number) 表示非数字，通常是由于计算中出现了无法处理的数据或数值运算错误的情况。

如何检查数组中是否包含 infs 或 NaN

我们可以使用 numpy 库中的 isinf() 和 isnan() 函数来检查数组中是否包含 infs 或 NaN。示例如下：

import numpy as np

arr = np.array([1.0, 2.0, np.inf, np.nan])

print(np.isinf(arr)) # [False False  True False]
print(np.isnan(arr)) # [False False False  True]

如何处理包含 infs 或 NaN 的数组

如果数组中包含 infs 或 NaN，我们可以选择删除或替换这些值，具体取决于我们的需求和数据特征。

删除包含 infs 或 NaN 的值

我们可以使用 numpy 库中的 isnan() 和 isinf() 函数来找到包含 infs 或 NaN 的位置，并使用 numpy 库中的 delete() 函数删除这些值。示例如下：

import numpy as np

arr = np.array([1.0, 2.0, np.inf, 4.0, np.nan, 6.0])

mask = np.isnan(arr) | np.isinf(arr)
arr_cleaned = np.delete(arr, np.where(mask))

print(arr_cleaned) # [1. 2. 4. 6.]

替换包含 infs 或 NaN 的值

我们可以选择使用数据中的中位数、均值或其他合适的值来替换包含 infs 或 NaN 的值。示例如下：

import numpy as np

arr = np.array([1.0, 2.0, np.inf, 4.0, np.nan, 6.0])

mask = np.isnan(arr) | np.isinf(arr)
arr_cleaned = arr.copy()
arr_cleaned[mask] = np.median(arr[~mask])

print(arr_cleaned) # [1. 2. 3.5 4. 3.5 6.]

以上就是关于如何处理数组中包含 infs 或 NaN 的介绍。在使用数组进行数值计算时，务必注意这些问题，以避免计算错误或异常。