非数值numpy数组的NAN-replacemen强制转换

Question

考虑数组

x = np.array(['1', '2', 'a'])

绑定以转换为浮点数组会引发异常

x.astype(np.float)
ValueError: could not convert string to float: a

numpy是否提供了任何有效的方法将其强制转换为数值数组，用NAN之类的东西替换非数值？

或者，是否有一个有效的numpy函数相当于np.isnan，但它也测试非数字元素，如字母？

Answer 1

如果您碰巧也在使用pandas，那么可以使用^{}方法：

In [1]: import numpy as np

In [2]: import pandas as pd

In [3]: x = np.array(['1', '2', 'a'])

In [4]: pd.to_numeric(x, errors='coerce')
Out[4]: array([  1.,   2.,  nan])

Answer 2

可以使用^{}将字符串数组转换为浮点数组（带NaNs）：

In [83]: np.set_printoptions(precision=3, suppress=True)

In [84]: np.genfromtxt(np.array(['1','2','3.14','1e-3','b','nan','inf','-inf']))
Out[84]: array([ 1.   ,  2.   ,  3.14 ,  0.001,    nan,    nan,    inf,   -inf])

---

以下是识别“数字”字符串的方法：

In [34]: x
Out[34]: 
array(['1', '2', 'a'], 
      dtype='|S1')

In [35]: x.astype('unicode')
Out[35]: 
array([u'1', u'2', u'a'], 
      dtype='<U1')

In [36]: np.char.isnumeric(x.astype('unicode'))
Out[36]: array([ True,  True, False], dtype=bool)

注意，“numeric”是指只包含数字字符的unicode，即具有unicode数值属性的字符。它不包括小数点。因此u'1.3'不被视为“数字”。