Hướng dẫn count nan in array python - đếm nan trong mảng python

np.count_nonzero(~np.isnan(data))

~ đảo ngược ma trận Boolean trở lại từ np.isnan.

np.count_nonzero Đếm các giá trị không phải là 0 \ false. .sum nên cho kết quả tương tự. Nhưng có lẽ rõ ràng hơn để sử dụng count_nonzero

Tốc độ kiểm tra:

In [23]: data = np.random.random((10000,10000))

In [24]: data[[np.random.random_integers(0,10000, 100)],:][:, [np.random.random_integers(0,99, 100)]] = np.nan

In [25]: %timeit data.size - np.count_nonzero(np.isnan(data))
1 loops, best of 3: 309 ms per loop

In [26]: %timeit np.count_nonzero(~np.isnan(data))
1 loops, best of 3: 345 ms per loop

In [27]: %timeit data.size - np.isnan(data).sum()
1 loops, best of 3: 339 ms per loop

In [23]: data = np.random.random((10000,10000))

In [24]: data[[np.random.random_integers(0,10000, 100)],:][:, [np.random.random_integers(0,99, 100)]] = np.nan

In [25]: %timeit data.size - np.count_nonzero(np.isnan(data))
1 loops, best of 3: 309 ms per loop

In [26]: %timeit np.count_nonzero(~np.isnan(data))
1 loops, best of 3: 345 ms per loop

In [27]: %timeit data.size - np.isnan(data).sum()
1 loops, best of 3: 339 ms per loop

0 dường như hầu như không phải là nhanh nhất ở đây. Dữ liệu khác có thể cho kết quả tốc độ tương đối khác nhau.

Bài đăng này cho thấy việc đếm numpy.nan trong một bộ dữ liệu. Nó mượn từ câu trả lời cho câu hỏi Overflow Stack ở đây.

Đầu tiên, chúng tôi sẽ khởi tạo một mảng 2D 10000 x 10000 để chơi xung quanh.

(array([[1., 1., 1., ..., 1., 1., 1.],
        [1., 1., 1., ..., 1., 1., 1.],
        [1., 1., 1., ..., 1., 1., 1.],
        ...,
        [1., 1., 1., ..., 1., 1., 1.],
        [1., 1., 1., ..., 1., 1., 1.],
        [1., 1., 1., ..., 1., 1., 1.]]), (10000, 10000))

Tiếp theo, chúng ta có thể lựa chọn ngẫu nhiên 100 chỉ số bằng cách sử dụng chức năng Numpy từ

In [23]: data = np.random.random((10000,10000))

In [24]: data[[np.random.random_integers(0,10000, 100)],:][:, [np.random.random_integers(0,99, 100)]] = np.nan

In [25]: %timeit data.size - np.count_nonzero(np.isnan(data))
1 loops, best of 3: 309 ms per loop

In [26]: %timeit np.count_nonzero(~np.isnan(data))
1 loops, best of 3: 345 ms per loop

In [27]: %timeit data.size - np.isnan(data).sum()
1 loops, best of 3: 339 ms per loop

1.

([array([2489, 2232, 9101, 5141, 8159, 4862, 1258,  578, 3545, 6002, 2447,
         2654, 8737, 4459, 7562, 7755,   30, 9217, 8159, 3206, 8070, 3869,
          493,  554, 7340, 6127, 2894, 2194, 7688, 5580, 6272, 4443, 7499,
         6647, 6391, 3980, 9350, 8889, 6701, 6119, 9408, 3741, 9822,  943,
         3355, 6495, 4133, 3974,  767,  638, 3816, 6424, 3894, 2285, 4650,
         1747, 4414,  934, 6903,   72, 7336, 6886, 8757, 3455, 2987, 1857,
         8539, 4877, 7290, 2168, 8699, 3784, 1050,  419, 6522,  331, 6852,
         6707, 5405, 6416,  804, 6580, 2666, 8495, 9113, 9860, 6967, 7874,
         7953, 8535, 8132,  703, 8393, 5499,  882, 6343, 7166,  773, 7869,
         4849])],
 [array([1449, 8017, 5184, 2633, 7042, 7816, 4290, 5996,  428,  729, 9694,
         4407, 7413, 1387, 5740, 9173, 1576, 1562, 5955,  221, 7362, 7812,
          725,  721,  475,  446, 4753, 1752, 2657, 7106, 8727, 7783, 2447,
         6598,  849,  528, 2812, 1062, 7311, 1908, 9881, 1644, 7622, 5661,
         2994, 6229, 9411, 9725,  453, 3844, 6221, 7172, 6114, 1270, 8570,
          514, 3096, 1782, 6512, 7163, 2003, 1463, 8042, 4274,   25, 2756,
         3827, 3400, 7097, 2116, 7922, 7810, 2001, 2310, 1143,   99,  755,
         9611, 7654, 7215, 1320, 8924, 3520, 2513, 3994, 8836, 3458, 6736,
         8653, 6721, 2790, 6165, 1782, 2814, 1164, 5302, 3506, 9960, 2816,
         2159])])

Sau khi chúng tôi có một số chỉ số ngẫu nhiên, việc điền dữ liệu với np.nan đơn giản như thiết lập nó.

Để đếm số lượng phiên bản NAN trong bộ dữ liệu, chúng ta có thể gọi np.isnan để trả về mặt nạ đúng / sai tùy thuộc vào việc dữ liệu là NAN. Sau đó, chúng ta có thể sử dụng hàm np.count_nonzero để tổng hợp tổng số.

Ngoài ra, nếu chúng ta đảo ngược mặt nạ đúng /sai, chúng ta có thể đếm các trường hợp không phải là NAN.

Không đếm NAN trong một python mảng 2D với các ví dụ mã

Một ngày tốt lành, các bạn. Trong bài đăng này, chúng tôi sẽ kiểm tra cách tìm giải pháp cho thử thách lập trình có tiêu đề Count No of Nan trong một python mảng 2D.

np.count_nonzero(np.isnan(data))

Như chúng ta đã thấy, vấn đề với số lượng NAN trong biến Python mảng 2D đã được giải quyết bằng cách sử dụng nhiều trường hợp khác nhau.

Làm thế nào để bạn đếm các giá trị nan trong một mảng?

Để đếm số lượng phiên bản NAN trong tập dữ liệu, chúng ta có thể gọi NP. isnan trả lại mặt nạ đúng / sai tùy thuộc vào việc dữ liệu có phải là NAN hay không. Sau đó, chúng ta có thể sử dụng NP. Chức năng Count_Nonzero để tổng hợp tổng số.13-FEB-2020

Làm thế nào để bạn đếm các giá trị nan trong Python?

Bạn có thể sử dụng cú pháp sau để đếm các giá trị NAN trong Pandas DataFrame:

• .
• (2) Đếm các giá trị NAN trong toàn bộ dữ liệu
• .

Làm thế nào để bạn đếm số lượng các phần tử trong một mảng 2D trong Python?

Để có được độ dài của một mảng 2D trong Python: chuyển toàn bộ mảng đến hàm Len () để có được số lượng hàng. Chuyển phần tử mảng đầu tiên cho hàm Len () để có được số lượng cột. Nhân số lượng hàng với số lượng cột để nhận tổng số.14-Jun-2022

Làm thế nào để tôi tìm thấy số lượng nans trong một mảng numpy?

Để kiểm tra các giá trị NAN trong một mảng numpy, bạn có thể sử dụng NP. phương pháp isnan (). Điều này đưa ra một mặt nạ boolean có kích thước của mảng ban đầu. Mảng đầu ra đúng với các chỉ số là NAN trong mảng gốc và sai cho phần còn lại.

Isna () sum () trong python là gì?

isna (). SUM () Trả về số lượng giá trị bị thiếu trong mỗi cột.12-FEB-2020

Làm thế nào để bạn đếm các giá trị nan trong một cột?

Để đếm các giá trị NAN trong một cột trong khung dữ liệu gấu trúc, chúng ta có thể sử dụng phương thức isna () với SUM.30-AUG-2021

Làm thế nào để bạn đếm các giá trị bị thiếu trong một tập dữ liệu?

Đếm các giá trị bị thiếu trong mỗi hàng và cột tổng () tính toán tổng các phần tử cho mỗi hàng và cột. Vì sum () tính toán là true = 1 và false = 0, bạn có thể đếm số lượng các giá trị bị thiếu trong mỗi hàng và cột bằng cách gọi sum () từ kết quả của isnull () .09-feb-2022

Value_counts () làm gì trong gấu trúc?

Trả về một loạt chứa số lượng của các giá trị duy nhất.Đối tượng kết quả sẽ theo thứ tự giảm dần để phần tử đầu tiên là phần tử thường xuyên nhất.

Thuộc tính nào được sử dụng với chuỗi để đếm tổng số giá trị NAN?

isna ().SUM () để đếm tổng số giá trị NAN trong cột col của DataFrame.

Làm thế nào để bạn tìm thấy tổng số phần tử trong một mảng 2D?

Tổng số phần tử có thể được lưu trữ trong một mảng đa chiều có thể được tính bằng cách nhân kích thước của tất cả các kích thước.Ví dụ: mảng int x [10] [20] có thể lưu trữ tổng số (10*20) = 200 yếu tố.Tương tự mảng int x [5] [10] [20] Có thể lưu trữ tổng số (5*10*20) = 1000 yếu tố.11-JUL-2022