Mi piacerebbe calcolare la media di un array in Python in questa forma:Come usare numpy con il valore 'None' in Python?
Matrice = [1, 2, None]
Vorrei solo avere il mio valore None ignorato dal calcolo numpy.mean ma non riesco a capire come fallo.
Siete alla ricerca per masked arrays. Ecco un esempio.
import MA
a = MA.array([1, 2, None], mask = [0, 0, 1])
print "average =", MA.average(a)
Purtroppo, gli array mascherati non sono completamente supportate in NumPy, quindi hai avuto modo di guardarsi intorno per vedere che cosa può e non può essere fatto con loro.
un membro la funzione che ha aiutato molto è stata "riempita". che ha riportato l'array mascherato a un array normale, riempito con un valore che avrei riconosciuto non valido (NaN, -9999, qualunque sia l'esigenza degli utenti). – mariotomo
Anche le prestazioni degli array mascherati sono significativamente inferiori rispetto agli array di numpy regolari poiché l'implementazione è in puro Python. Se hai a che fare con i big data, fai attenzione alle implicazioni sul rendimento. – timbo
non hanno usato NumPy, ma in Python standard potete filtrare None usando list comprehensions o la funzione di filtro
>>> [i for i in [1, 2, None] if i != None]
[1, 2]
>>> filter(lambda x: x != None, [1, 2, None])
[1, 2]
e quindi la media il risultato di ignorare il None
'x! = None' viene in genere scritto' x non è None' (PEP 8: "I confronti con singleton come None dovrebbero sempre essere eseguiti con 'is' o 'is not', mai gli operatori di uguaglianza.") – EOL
Potrebbe anche essere possibile eseguire il kludge con valori come NaN o 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])
In realtà, potrebbe non essere nemmeno un kludge. Wikipedia says:
I NaN possono essere utilizzati per rappresentare i valori mancanti nei calcoli.
In realtà, questo non funziona tuttavia per la funzione mean(), quindi non importa. :)
In [20]: mean([1, 2, NaN])
Out[20]: nan
In realtà, 'mean (a [~ isnan (a)])' sceglie esplicitamente tutti i valori non NaN. – u0b34a0f6ae
@kaizer il tuo commento è un gioiello. ottima soluzione, grazie! – Agos
È inoltre possibile utilizzare il filtro, passare Nessuno per esso, sarà filtrare gli oggetti non veri, anche 0,: D Così, usarlo quando non avete bisogno 0 troppo.
>>> filter(None,[1, 2, None])
[1, 2]
È possibile utilizzare SciPy per questo:
import scipy.stats.stats as st
m=st.nanmean(vec)
+1: questa domanda può essere particolarmente rilevante per le matrici che vengono importati da un database, in cui i valori a volte può essere NULL. – EOL