Я хотел бы вычислить среднее массива в Python в таком виде:Как использовать numpy с значением «None» в Python?
Matrice = [1, 2, None]
Я просто хотел, чтобы мой None значение игнорируется при расчете numpy.mean но я не могу понять, как сделай это.
Вы разыскиваете для masked arrays. Вот пример.
import MA
a = MA.array([1, 2, None], mask = [0, 0, 1])
print "average =", MA.average(a)
К сожалению, замаскированные массивы не полностью поддерживаются в NumPy, так что вы должны смотреть вокруг, чтобы увидеть, что может и не может быть сделано с ними.
участник функция, которая помогла много, была «заполнена». который вернул маскированный массив в нормальный массив, заполненный значением, которое я бы признал недействительным (NaN, -9999, независимо от ваших пользователей). – mariotomo
Производительность маскированных массивов также значительно меньше, чем обычные массивы numpy, поскольку реализация представляет собой чистый Python. Если вы имеете дело с большими данными, имейте в виду последствия для производительности. – timbo
не использовал NumPy, но в стандартном питона вы можете отфильтровать None используя списковые или функцию фильтра
>>> [i for i in [1, 2, None] if i != None]
[1, 2]
>>> filter(lambda x: x != None, [1, 2, None])
[1, 2]
, а затем усреднить результат игнорировать None
'x! = None' обычно записывается' x is not None' (PEP 8: «Сравнение с одиночными точками, такими как None, всегда должно выполняться с помощью« is »или« is not », а не операторов равенства.») – EOL
Возможно, вы также сможете использовать kludge со значениями, такими как NaN или Inf.
In [1]: array([1, 2, None])
Out[1]: array([1, 2, None], dtype=object)
In [2]: array([1, 2, NaN])
Out[2]: array([ 1., 2., NaN])
Собственно, это может быть даже не клопик. Wikipedia says:
NaNs могут использоваться для представления недостающих значений в вычислениях.
На самом деле, это не работает для функции mean(), хотя, так что неразумно. :)
In [20]: mean([1, 2, NaN])
Out[20]: nan
На самом деле, 'mean (a [~ isnan (a)])' явно выбирает все значения, отличные от NaN. – u0b34a0f6ae
@kaizer Ваш комментарий - жемчужина. большое решение, спасибо! – Agos
Вы также можете использовать фильтр, не передаете Нет для него, он будет фильтровать не Истинные объекты, а также 0,: D Таким образом, использовать его, когда вам не нужно 0 тоже.
>>> filter(None,[1, 2, None])
[1, 2]
Вы можете использовать SciPy для этого:
import scipy.stats.stats as st
m=st.nanmean(vec)
+1: этот вопрос может быть особенно актуально для массивов, которые импортируются из базы данных, где значения могут иногда быть NULL. – EOL