<\/p>\n
Voc\u00ea pode usar os seguintes m\u00e9todos para remover valores NaN de um array NumPy:<\/span><\/p>\n M\u00e9todo 1: use isnan()<\/strong><\/span><\/p>\n M\u00e9todo 2: use isfinite()<\/strong><\/span><\/p>\n M\u00e9todo 3: use logic_not()<\/strong><\/span><\/p>\n Cada um desses m\u00e9todos produz o mesmo resultado, mas o primeiro m\u00e9todo \u00e9 o mais curto para inserir e, portanto, tende a ser usado com mais frequ\u00eancia.<\/span><\/p>\n Os exemplos a seguir mostram como usar cada m\u00e9todo na pr\u00e1tica.<\/span><\/p>\n O c\u00f3digo a seguir mostra como remover valores NaN de um array NumPy usando a fun\u00e7\u00e3o isnan()<\/strong> :<\/span><\/p>\n Observe que ambos os valores NaN foram removidos com sucesso do array NumPy.<\/span><\/p>\n Este m\u00e9todo simplesmente mant\u00e9m todos os elementos da matriz que n\u00e3o s\u00e3o valores (~)NaN.<\/span><\/p>\n O c\u00f3digo a seguir mostra como remover valores NaN de um array NumPy usando a fun\u00e7\u00e3o isfinite()<\/strong> :<\/span><\/p>\n Observe que ambos os valores NaN foram removidos com sucesso do array NumPy.<\/span><\/p>\n Este m\u00e9todo simplesmente mant\u00e9m todos os elementos do array que s\u00e3o valores finitos.<\/span><\/p>\n Como os valores de NaN n\u00e3o s\u00e3o finitos, eles s\u00e3o removidos da tabela.<\/span><\/p>\n O c\u00f3digo a seguir mostra como remover valores NaN de um array NumPy usando a fun\u00e7\u00e3o logic_not()<\/strong> :<\/span><\/p>\n Observe que ambos os valores NaN foram removidos com sucesso do array NumPy.<\/span><\/p>\n Embora este m\u00e9todo seja equivalente aos dois anteriores, requer mais digita\u00e7\u00e3o e, portanto, n\u00e3o \u00e9 usado com tanta frequ\u00eancia.<\/span><\/p>\n Os tutoriais a seguir explicam como realizar outras opera\u00e7\u00f5es comuns em Python:<\/span><\/p>\n Pandas: Como substituir strings vazias por NaN<\/a> Voc\u00ea pode usar os seguintes m\u00e9todos para remover valores NaN de um array NumPy: M\u00e9todo 1: use isnan() new_data = data[~np. isnan (data)] M\u00e9todo 2: use isfinite() new_data = data[np. isfinite (data)] M\u00e9todo 3: use logic_not() new_data = data[np. logical_not (np. isnan (data))] Cada um desses m\u00e9todos produz o mesmo resultado, mas o primeiro m\u00e9todo […]<\/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-3198","post","type-post","status-publish","format-standard","hentry","category-guia"],"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 Exemplo 1: Remova valores NaN usando 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 Exemplo 2: Remova valores NaN usando 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 Exemplo 3: Remova valores NaN usando logic_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 Recursos adicionais<\/strong><\/span><\/h3>\n
Pandas: como substituir valores NaN por uma string<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"