Numpy array မှ nan တန်ဖိုးများကို မည်ကဲ့သို့ ဖယ်ရှားနည်း (နည်းလမ်း 3 ခု)

NumPy array တစ်ခုမှ NaN တန်ဖိုးများကို ဖယ်ရှားရန် အောက်ပါနည်းလမ်းများကို သင်သုံးနိုင်သည်။

နည်းလမ်း 1- isnan() ကိုသုံးပါ

 new_data = data[~np. isnan (data)]

နည်းလမ်း 2- isfinite() ကိုသုံးပါ

 new_data = data[np. isfinite (data)]

နည်းလမ်း 3- logical_not() ကိုသုံးပါ

 new_data = data[np. logical_not (np. isnan (data))]

ဤနည်းလမ်းတစ်ခုစီသည် တူညီသောရလဒ်ကို ထုတ်ပေးသော်လည်း ပထမနည်းလမ်းသည် ဝင်ရောက်ရန် အတိုဆုံးဖြစ်ပြီး ထို့ကြောင့် အများဆုံးအသုံးပြုလေ့ရှိပါသည်။

အောက်ဖော်ပြပါ ဥပမာများသည် နည်းလမ်းတစ်ခုစီကို လက်တွေ့အသုံးချနည်းကို ပြသထားသည်။

ဥပမာ 1- isnan() ကို အသုံးပြု၍ NaN တန်ဖိုးများကို ဖယ်ရှားပါ

အောက်ပါကုဒ်သည် isnan() လုပ်ဆောင်ချက်ကို အသုံးပြု၍ NumPy အခင်းအကျင်းမှ NaN တန်ဖိုးများကို ဖယ်ရှားနည်းကို ပြသသည်-

 import numpy as np

#create array of data
data = np. array ([4, np.nan, 6, np.nan, 10, 11, 14, 19, 22])

#define new array of data with nan values removed
new_data = data[~np. isnan (data)]

#view new array
print (new_data)

[4. 6. 10. 11. 14. 19. 22.]

NaN တန်ဖိုးနှစ်ခုလုံးကို NumPy အခင်းအကျင်းမှ အောင်မြင်စွာ ဖယ်ရှားလိုက်ကြောင်း သတိပြုပါ။

ဤနည်းလမ်းသည် (~)NaN တန်ဖိုးများမဟုတ်သော array element အားလုံးကို ရိုးရှင်းစွာသိမ်းဆည်းထားသည်။

ဥပမာ 2- isfinite() ကို အသုံးပြု၍ NaN တန်ဖိုးများကို ဖယ်ရှားပါ

အောက်ပါကုဒ်သည် isfinite() လုပ်ဆောင်ချက်ကို အသုံးပြု၍ NumPy အခင်းအကျင်းမှ NaN တန်ဖိုးများကို ဖယ်ရှားနည်းကို ပြသသည်-

 import numpy as np

#create array of data
data = np. array ([4, np.nan, 6, np.nan, 10, 11, 14, 19, 22])

#define new array of data with nan values removed
new_data = data[np. isfinite (data)]

#view new array
print (new_data)

[4. 6. 10. 11. 14. 19. 22.]

NaN တန်ဖိုးနှစ်ခုလုံးကို NumPy အခင်းအကျင်းမှ အောင်မြင်စွာ ဖယ်ရှားလိုက်ကြောင်း သတိပြုပါ။

ဤနည်းလမ်းသည် အကန့်အသတ်တန်ဖိုးများဖြစ်သည့် array element အားလုံးကို ရိုးရှင်းစွာ သိမ်းဆည်းထားသည်။

NaN တန်ဖိုးများသည် အကန့်အသတ်မရှိသောကြောင့် ၎င်းတို့ကို ဇယားမှ ဖယ်ရှားလိုက်ပါသည်။

ဥပမာ 3- logical_not() ကို အသုံးပြု၍ NaN တန်ဖိုးများကို ဖယ်ရှားပါ

အောက်ပါကုဒ်သည် logical_not() လုပ်ဆောင်ချက်ကို အသုံးပြု၍ NumPy အခင်းအကျင်းမှ NaN တန်ဖိုးများကို ဖယ်ရှားနည်းကို ပြသသည်-

 import numpy as np

#create array of data
data = np. array ([4, np.nan, 6, np.nan, 10, 11, 14, 19, 22])

#define new array of data with nan values removed
new_data = data[np. logical_not (np. isnan (data))]
#view new array
print (new_data)

[4. 6. 10. 11. 14. 19. 22.]

NaN တန်ဖိုးနှစ်ခုလုံးကို NumPy အခင်းအကျင်းမှ အောင်မြင်စွာ ဖယ်ရှားလိုက်ကြောင်း သတိပြုပါ။

ဤနည်းလမ်းသည် ယခင်နှစ်ခုနှင့် တူညီသော်လည်း ၎င်းသည် စာရိုက်ရန် ပိုမိုလိုအပ်သောကြောင့် မကြာခဏ အသုံးမပြုပါ။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် Python တွင် အခြားသော ဘုံလုပ်ဆောင်ချက်များကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြသည်-

Pandas- အလွတ်ကြိုးများကို NaN ဖြင့် အစားထိုးနည်း
Pandas- NaN တန်ဖိုးများကို စာကြောင်းတစ်ခုဖြင့် အစားထိုးနည်း