Comment utiliser numpy avec "Aucune" valeur en Python?

Je voudrais calculer la moyenne d'un tableau en Python sous cette forme:

Matrice = [1, 2, None]

J'aimerais juste avoir mon None valeur ignorée par le numpy.mean calcul mais je ne peux pas comprendre comment le faire.

  • +1: cette question peut être particulièrement pertinent pour les tableaux qui sont importées à partir d'une base de données, où les valeurs peuvent parfois être NULL.
InformationsquelleAutor clowny | 2009-06-07
  1. 11

    Vous êtes à la recherche pour masqué tableaux. Voici un exemple.

    import MA
a = MA.array([1, 2, None], mask = [0, 0, 1])
print "average =", MA.average(a)

    Malheureusement, masqué tableaux ne sont pas pris en charge dans numpy, de sorte que vous avez à regarder autour pour voir ce qui peut et ne peut pas être fait avec eux.

    • une fonction membre qui a beaucoup aidé a filled. qui a apporté l'masqué tableau à un tableau normal, rempli avec une valeur que je reconnais comme non valide (NaN, -9999, quels que soient vos utilisateurs ont besoin).
    • La Performance de masqués tableaux est également significativement moins élevé que les tableaux numpy que la mise en œuvre est de la pure Python. Si vous êtes aux prises avec le big data, être conscients de l'incidence sur les performances.
    InformationsquelleAutor tom10
  2. 6

    Vous pouvez utiliser scipy pour que:

    import scipy.stats.stats as st
m=st.nanmean(vec)
    • Merci, c'est juste ce dont j'avais besoin!
    • Cela ne fonctionne pas. a = [1,2,None] et puis st.nanmean(a) résultats dans un TypeError.
    • Oui, vous avez raison, il fonctionne sur numpy.nan, pas sur Aucun. Il est le plus utile lors du calcul de la moyenne sur numpy vecteur.
    • Maintenant, vous pouvez aussi utiliser numpy.nanmean
    InformationsquelleAutor Noam Peled
  3. 3

    n'avez pas utilisé numpy, mais dans les standards de python, vous pouvez filtrer None en utilisant la liste des compréhensions
    ou de la fonction de filtre

    >>> [i for i in [1, 2, None] if i != None]
[1, 2]
>>> filter(lambda x: x != None, [1, 2, None])
[1, 2]

    et de la moyenne du résultat d'ignorer la None

    • x != None est généralement écrit x is not None (PEP 8: "les Comparaisons pour les singletons comme Aucun devrait toujours être fait avec" est " ou "n'est pas", ne jamais les opérateurs d'égalité.")
    InformationsquelleAutor cobbal
  4. 3

    Vous pourriez également être en mesure de bidouille avec des valeurs comme NaN ou 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])

    En fait, il pourrait même ne pas être une bidouille. Wikipédia dit:

    NaNs peuvent être utilisés pour représenter des valeurs manquantes dans les calculs.

    En fait, cela ne fonctionne pas pour la moyenne() de la fonction, alors tant pis. 🙂

    In [20]: mean([1, 2, NaN])
Out[20]: nan
    • En fait, mean(a[~isnan(a)]) explicitement le choix de tous les non-valeurs NaN œuvres.
    • votre commentaire est un bijou. excellente solution, merci!
    InformationsquelleAutor endolith
  5. 2

    Vous pouvez également utiliser un filtre passe Aucun, il va de filtre non de Véritables objets, aussi 0, 😀
    Donc, l'utiliser lorsque vous n'avez pas besoin de 0 trop.

    >>> filter(None,[1, 2, None])
[1, 2]
    InformationsquelleAutor YOU
  6. -1

    np.moyenne(Matrice[Matrice != Aucun])

    InformationsquelleAutor Ishan Tomar