Python 当其他数组为 NaN 时，二维数组用 NaN 替换值

Question

我有 2 个数组：

import numpy as np
A = np.array([[np.nan,np.nan,0],[4,5,6],[7,8,9]])
B = np.zeros((len(A),len(A[0])))

对于 A 中的每个 NaN，我想用 np.nan 替换 B 中相应索引处的零。我怎样才能做到这一点？我试过戴口罩，但没用。

B = np.ma.masked_where(np.isnan(A) == True, np.nan)

实际上我正在使用更大的阵列 (582x533)，所以我不想手动完成。

Answer 1

您可以像下面这样创建 np.zeros with A.shape then use np.where：

（这种方法构造B两次）

>>> import numpy as np
>>> A = np.array([[np.nan,np.nan,0],[4,5,6],[7,8,9]])
>>> B = np.zeros(A.shape)
>>> B = np.where(np.isnan(A) , np.nan, B)
>>> B
array([[nan, nan,  0.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.]])

Answer 2

可以直接使用np.isnan(A)：

B = np.zeros_like(A)
B[np.isnan(A)] = np.nan

np.where 当你想直接构造 B 时很有用：

B = np.where(np.isnan(A), np.nan, 0)

Python 当其他数组为 NaN 时，二维数组用 NaN 替换值

Python 2D array replace value by NaN when other array is NaN

python

arrays

nan

mask