numpy判断数值类型、过滤出数值型数据的方法
numpy是无法直接判断出由数值与字符混合组成的数组中的数值型数据的，因为由数值类型和字符类型组成的numpy数组已经不是数值类型的数组了，而是dtype=' 1、math.isnan也不行，它只能判断float("nan")： 2、np.isnan不可用，因为np.isnan只能用于数值型与np.nan组成的numpy数组： 解决办法： 方法1：将numpy数组转换为python的list，然后通过filter过滤出数值型的值，再转为numpy,但是，有一个严重的问题，无法保证原来的索引 方法2：利用map制作bool数组，然后再过滤数据和索引： 以上这篇numpy判断数值类型、过滤出数值型数据的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。
>>>importmath
>>>math.isnan(1)
False
>>>math.isnan('a')
Traceback(mostrecentcalllast):
File"
>>>importnumpyasnp
>>>test1=np.array([1,2,'aa',3])
>>>np.isnan(test1)
Traceback(mostrecentcalllast):
File"
>>>importnumpyasnp
>>>test1=np.array([1,2,'aa',3])
>>>list1=list(test1)
>>>deffilter_fun(x):
...try:
...returnisinstance(float(x),(float))
...except:
...returnFalse
...
>>>list(filter(filter_fun,list1))
['1','2','3']
>>>np.array(filter(filter_fun,list1))
array(
>>>importnumpyasnp
>>>test1=np.array([1,2,'aa',3])
>>>list1=list(test1)
>>>deffilter_fun(x):
...try:
...returnisinstance(float(x),(float))
...except:
...returnFalse
...
>>>importpandasaspd
>>>test=pd.DataFrame(test1,index=[1,2,3,4])
>>>test
0
11
22
3aa
43
>>>index=test.index
>>>index
Int64Index([1,2,3,4],dtype='int64')
>>>bool_index=map(filter_fun,list1)
>>>bool_index=list(bool_index)#bool_index这样的迭代结果只能list一次，一次再list时会是空，所以保存一下list的结果
>>>bool_index
[True,True,False,True]
>>>new_data=test1[np.array(bool_index)]
>>>new_data
array(['1','2','3'],
dtype='