我如何有条件地改变一个numpy数组中的数值，并考虑到nan数？

Question

我的数组是一个二维矩阵，除了负数和正数之外，还有numpy.nan的值，我想用一个数字代替所有正数，用另一个数字代替所有负数。

>>> array
array([[        nan,         nan,         nan, ..., -0.04891211,
            nan,         nan],
   [        nan,         nan,         nan, ...,         nan,
            nan,         nan],
   [        nan,         nan,         nan, ...,         nan,
            nan,         nan],
   ..., 
   [-0.02510989, -0.02520096, -0.02669156, ...,         nan,
            nan,         nan],
   [-0.02725595, -0.02715945, -0.0286231 , ...,         nan,
            nan,         nan],
   [        nan,         nan,         nan, ...,         nan,
            nan,         nan]], dtype=float32)

我想用一个数字替换所有的正数，用另一个数字替换所有的负数。

我如何使用pythonnumpy来执行？

(声明一下，这个矩阵是geoimage的结果，我想对其进行分类)

Answer 1

事实上，你有 np.nan 在你的数组中应该没有关系。只需使用花哨的索引。

x[x>0] = new_value_for_pos
x[x<0] = new_value_for_neg

如果你想替换你的 np.nans:

x[np.isnan(x)] = something_not_nan

更多关于花式索引的信息 教程 和 NumPy文档.

Answer 2

试试。

a[a>0] = 1
a[a<0] = -1

Answer 3

对当前值进行加减，然后（np.nan不受影响）。

import numpy as np

a = np.arange(-10, 10).reshape((4, 5))

print("after -")
print(a)

a[a<0] = a[a<0] - 2
a[a>0] = a[a>0] + 2


print(a)

产出

[[-10  -9  -8  -7  -6]
 [ -5  -4  -3  -2  -1]
 [  0   1   2   3   4]
 [  5   6   7   8   9]]

after -

[[-12 -11 -10  -9  -8]
 [ -7  -6  -5  -4  -3]
 [  0   3   4   5   6]
 [  7   8   9  10  11]]