numpy中怎么判断数值类型

本篇文章为大家展示了numpy中怎么判断数值类型，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。

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='<U11'。

1、math.isnan也不行，它只能判断float("nan")：

>>> import math  >>> math.isnan(1)  False  >>> math.isnan('a')  Traceback (most recent call last):   File "<stdin>", line 1, in <module>  TypeError: a float is required  >>> math.isnan(float("nan"))  True  >>>

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：

>>> import numpy as np  >>> test1=np.array([1,2,'aa',3])  >>> np.isnan(test1)  Traceback (most recent call last):   File "<stdin>", line 1, in <module>  TypeError: ufunc 'isnan' not supported for the input types, and the inputs could   not be safely coerced to any supported types according to the casting rule ''sa  fe''  >>> test2=np.array([1,2,np.nan,3])  >>> np.isnan(test2)  array([False, False, True, False], dtype=bool)  >>>

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

>>> import numpy as np  >>> test1=np.array([1,2,'aa',3])  >>> list1=list(test1)  >>> def filter_fun(x):  ... try:  ...  return isinstance(float(x),(float))  ... except:  ...  return False  ...  >>> list(filter(filter_fun,list1))  ['1', '2', '3']  >>> np.array(filter(filter_fun,list1))  array(<filter object at 0x0339CA30>, dtype=object)  >>> np.array(list(filter(filter_fun,list1)))  array(['1', '2', '3'],   dtype='<U1')  >>> np.array([float(x) for x in filter(filter_fun,list1)])  array([ 1., 2., 3.])  >>>

方法2：利用map制作bool数组，然后再过滤数据和索引：

>>> import numpy as np >>> test1=np.array([1,2,'aa',3]) >>> list1=list(test1) >>> def filter_fun(x): ... try: ...  return isinstance(float(x),(float)) ... except: ...  return False ... >>> import pandas as pd >>> test=pd.DataFrame(test1,index=[1,2,3,4]) >>> test  0 1 1 2 2 3 aa 4 3 >>> 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='<U11') >>> new_index=index[np.array(bool_index)] >>> new_index Int64Index([1, 2, 4], dtype='int64') >>> test2=pd.DataFrame(new_data,index=new_index) >>> test2  0 1 1 2 2 4 3 >>>

上述内容就是numpy中怎么判断数值类型，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注亿速云行业资讯频道。