<\/p>\n
U kunt de volgende methoden gebruiken om NaN-waarden uit een NumPy-array te verwijderen:<\/span><\/p>\n Methode 1: Gebruik isnan()<\/strong><\/span><\/p>\n Methode 2: Gebruik isfinite()<\/strong><\/span><\/p>\n Methode 3: Gebruik logische_not()<\/strong><\/span><\/p>\n Elk van deze methoden levert hetzelfde resultaat op, maar de eerste methode is het kortst in te voeren en wordt daarom het vaakst gebruikt.<\/span><\/p>\n De volgende voorbeelden laten zien hoe u elke methode in de praktijk kunt gebruiken.<\/span><\/p>\n De volgende code laat zien hoe u NaN-waarden uit een NumPy-array kunt verwijderen met behulp van de isnan()-<\/strong> functie:<\/span><\/p>\n Merk op dat beide NaN-waarden met succes uit de NumPy-array zijn verwijderd.<\/span><\/p>\n Deze methode behoudt eenvoudigweg alle array-elementen die geen (~)NaN-waarden zijn.<\/span><\/p>\n De volgende code laat zien hoe u NaN-waarden uit een NumPy-array kunt verwijderen met behulp van de isfinite()-<\/strong> functie:<\/span><\/p>\n Merk op dat beide NaN-waarden met succes uit de NumPy-array zijn verwijderd.<\/span><\/p>\n Deze methode behoudt eenvoudigweg alle array-elementen die eindige waarden zijn.<\/span><\/p>\n Omdat de NaN-waarden niet eindig zijn, worden ze uit de tabel verwijderd.<\/span><\/p>\n De volgende code laat zien hoe u NaN-waarden uit een NumPy-array verwijdert met behulp van de functielogical_not()<\/strong> :<\/span><\/p>\n Merk op dat beide NaN-waarden met succes uit de NumPy-array zijn verwijderd.<\/span><\/p>\n Hoewel deze methode gelijkwaardig is aan de vorige twee, vereist deze meer typewerk en wordt deze daarom niet zo vaak gebruikt.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende bewerkingen in Python uitvoert:<\/span><\/p>\n Panda’s: lege tekenreeksen vervangen door NaN<\/a> U kunt de volgende methoden gebruiken om NaN-waarden uit een NumPy-array te verwijderen: Methode 1: Gebruik isnan() new_data = data[~np. isnan (data)] Methode 2: Gebruik isfinite() new_data = data[np. isfinite (data)] Methode 3: Gebruik logische_not() new_data = data[np. logical_not (np. isnan (data))] Elk van deze methoden levert hetzelfde resultaat op, maar de eerste methode is […]<\/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":[],"class_list":["post-3199","post","type-post","status-publish","format-standard","hentry","category-gids"],"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 Voorbeeld 1: NaN-waarden verwijderen met 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 Voorbeeld 2: NaN-waarden verwijderen met 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 Voorbeeld 3: NaN-waarden verwijderen met 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 Aanvullende bronnen<\/strong><\/span><\/h3>\n
Panda’s: hoe NaN-waarden te vervangen door een string<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"