Python快速转换numpy数组中Nan和Inf的方法实例说明

在Python中，当我们使用Numpy进行科学计算时，经常需要对数组中的NaN和Inf进行处理。下面是两种常见的处理方法：

方法一：使用numpy.nan_to_num函数

numpy.nan_to_num()函数将NaN和Inf替换为0和有限的数字。下面是一个示例：

import numpy as np

arr = np.array([1, 2, np.nan, 4, np.inf, -np.inf])
arr = np.nan_to_num(arr)
print(arr)

输出结果为：

[ 1.  2.  0.  4.  0. -0.]

在上面的示例中，我们首先创建了一个包含NaN和Inf的numpy数组。然后我们使用numpy.nan_to_num()函数将NaN和Inf替换为0和有限的数字。最后，我们打印出处理后的数组。

方法二：使用numpy.isnan()和numpy.isinf()函数

另一种处理NaN和Inf方法是使用numpy()和numpy.isinf()函数。下面是一个示例：

import numpy as np

arr = np.array([1, 2, np.nan, 4, np.inf, -np.inf])
arr[np.isnan(arr)] = 0
arr[np.isinf(arr)] = np.finfo(arr.dtype).max
print(arr)

输出结果为：

[ 1.  2.  0.  4.  1.79769313e+308 -1.79769313e+308]

在上面的示例中，我们首先创建了一个包含NaN和Inf的numpy数组。后，我们使用numpy.isnan()和numpy.isinf()函数找到数组中的NaN和Inf。接着，我们将NaN替换为0，将Inf替换为该数据类型的最大值。最后我们打印出处理后的数组。

希望这些示例能够帮助您快速转换numpy数组中的NaN和Inf。