<\/p>\n
\u00c8 possibile utilizzare i seguenti metodi per rimuovere i valori NaN da un array NumPy:<\/span><\/p>\n Metodo 1: utilizzare isnan()<\/strong><\/span><\/p>\n Metodo 2: utilizzare isfinite()<\/strong><\/span><\/p>\n Metodo 3: utilizzare logical_not()<\/strong><\/span><\/p>\n Ciascuno di questi metodi produce lo stesso risultato, ma il primo metodo \u00e8 il pi\u00f9 breve da inserire e pertanto tende ad essere utilizzato pi\u00f9 spesso.<\/span><\/p>\n Gli esempi seguenti mostrano come utilizzare ciascun metodo nella pratica.<\/span><\/p>\n Il codice seguente mostra come rimuovere i valori NaN da un array NumPy utilizzando la funzione isnan()<\/strong> :<\/span><\/p>\n Tieni presente che entrambi i valori NaN sono stati rimossi con successo dall’array NumPy.<\/span><\/p>\n Questo metodo mantiene semplicemente tutti gli elementi dell’array che non sono valori (~)NaN.<\/span><\/p>\n Il codice seguente mostra come rimuovere i valori NaN da un array NumPy utilizzando la funzione isfinite()<\/strong> :<\/span><\/p>\n Tieni presente che entrambi i valori NaN sono stati rimossi con successo dall’array NumPy.<\/span><\/p>\n Questo metodo mantiene semplicemente tutti gli elementi dell’array che sono valori finiti.<\/span><\/p>\n Poich\u00e9 i valori NaN non sono finiti, vengono rimossi dalla tabella.<\/span><\/p>\n Il codice seguente mostra come rimuovere i valori NaN da un array NumPy utilizzando la funzione logical_not()<\/strong> :<\/span><\/p>\n Tieni presente che entrambi i valori NaN sono stati rimossi con successo dall’array NumPy.<\/span><\/p>\n Sebbene questo metodo sia equivalente ai due precedenti, richiede pi\u00f9 digitazione e pertanto non viene utilizzato cos\u00ec spesso.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre operazioni comuni in Python:<\/span><\/p>\n Panda: come sostituire le stringhe vuote con NaN<\/a> \u00c8 possibile utilizzare i seguenti metodi per rimuovere i valori NaN da un array NumPy: Metodo 1: utilizzare isnan() new_data = data[~np. isnan (data)] Metodo 2: utilizzare isfinite() new_data = data[np. isfinite (data)] Metodo 3: utilizzare logical_not() new_data = data[np. logical_not (np. isnan (data))] Ciascuno di questi metodi produce lo stesso risultato, ma il primo […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n new_data = data[~np. isnan<\/span> (data)]\n<\/span><\/span><\/strong><\/pre>\n new_data = data[np. isfinite<\/span> (data)]<\/strong><\/pre>\n new_data = data[np. logical_not<\/span> (np. isnan<\/span> (data))]\n<\/strong><\/pre>\n Esempio 1: rimuovere i valori NaN utilizzando isnan()<\/strong><\/span><\/h3>\n
import<\/span> numpy as<\/span> np\n\n#create array of data\n<\/span>data = np. array<\/span> ([4, np.nan, 6, np.nan, 10, 11, 14, 19, 22])\n\n#define new array of data with nan values removed\n<\/span>new_data = data[~np. isnan<\/span> (data)]\n\n#view new array\n<\/span>print<\/span> (new_data)\n\n[4. 6. 10. 11. 14. 19. 22.]\n<\/strong><\/span><\/pre>\n Esempio 2: rimuovere i valori NaN utilizzando isfinite()<\/strong><\/span><\/h3>\n
import<\/span> numpy as<\/span> np\n\n#create array of data\n<\/span>data = np. array<\/span> ([4, np.nan, 6, np.nan, 10, 11, 14, 19, 22])\n\n#define new array of data with nan values removed\n<\/span>new_data = data[np. isfinite<\/span> (data)]\n\n#view new array\n<\/span>print<\/span> (new_data)\n\n[4. 6. 10. 11. 14. 19. 22.]\n<\/strong><\/span><\/pre>\n Esempio 3: rimuovere i valori NaN utilizzando logical_not()<\/strong><\/span><\/h3>\n
import<\/span> numpy as<\/span> np\n\n#create array of data\n<\/span>data = np. array<\/span> ([4, np.nan, 6, np.nan, 10, 11, 14, 19, 22])\n\n#define new array of data with nan values removed\n<\/span>new_data = data[np. logical_not<\/span> (np. isnan<\/span> (data))]\n#view new array\n<\/span>print<\/span> (new_data)\n\n[4. 6. 10. 11. 14. 19. 22.]\n<\/strong><\/span><\/pre>\n Risorse addizionali<\/strong><\/span><\/h3>\n
Panda: come sostituire i valori NaN con una stringa<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"