Question

我有超过40000个元素的大型数组

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

我正在寻找一种将空的''值替换为'0'的简单方法，以便可以使用Numpy操纵数组中的数据。

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)

我的问题是我无法在缺少数字的数组中转换为整数以获取均值。

Answer 1

您可以创建一个小函数，以完全按照所需的方式转换单个值，例如：

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

可以与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])

Answer 2

如果我没看错，它应该看起来像这样：

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

您还可以使用：

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

Answer 3

更详细的答案是：

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

Answer 4

从以前的SO学习中，我看到您可以采用以下解决方案将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，是nan_to_num()，正如我之前在评论中所述。

>>> 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.]])

在大型数组中用零代替空值或缺失值

4 个答案: