Python Numpy: 查找列表或数组中 np.nan 值的有效方法

机器学习数据中的 np.nan 问题

在训练机器学习模型的过程中，处理训练数据时可能会遇到提示 prepare 的数据中包含 np.nan 的情况。

具体的报错信息如下：

ValueError: np.nan is an invalid document, expected byte or unicode string. 

起初不清楚出现该问题的原因，随后发现是因为列表中存在 nan 值。

使用 Numpy 查找 NaN 值的方法

以下是查找 nan 值的具体方法：

简单的查找方式：

import numpy as np

x = np.array([2,3,np.nan,5,
  np.nan,5,2,3])

for item in x:
 if np.isnan(item):
 print('yes')

获取索引数组：

x = np.array([[1,2,3,4],
  [2,3,np.nan,5],
  [np.nan,5,2,3]])
print（np.argwhere(np.isnan(x))）

output： 
array([[1, 2], 
[2, 0]])

Pandas 数据中的空值判断注意事项

然而，在实际应用中，如果使用 Pandas 读取数据，在列表中打印时显示为 nan，但使用 isnan 方法却无法正确判断，可能会提示 TypeError。此时，需要使用 pandas.isnull() 来判断该值是否为空。

以下是 numpy.isnan() 的文档说明。

以上关于 Python Numpy 查找列表中 np.nan 值的方法就是全部内容，希望能对大家有所帮助，也希望大家多多支持本站。