NumPy 배열에서 NaN 값 제거하기
dropna() 함수 사용:
import numpy as np
# NaN 값을 포함하는 NumPy 배열 생성
array = np.array([1, 2, np.nan, 4, 5])
# dropna() 함수를 사용하여 NaN 값 제거
filtered_array = array.dropna()
print(filtered_array) # 출력: [1. 2. 4. 5.]
dropna() 함수는 기본적으로 축(axis) 1을 따라 NaN 값을 포함하는 모든 행을 제거합니다. 축을 지정하여 다른 축을 따라 NaN 값을 제거할 수도 있습니다.
isnan() 함수와 조건문 사용:
import numpy as np
# NaN 값을 포함하는 NumPy 배열 생성
array = np.array([1, 2, np.nan, 4, 5])
# isnan() 함수를 사용하여 NaN 값 확인
is_nan = np.isnan(array)
# 조건문을 사용하여 NaN 값 제거
result = []
for i in range(len(array)):
if not is_nan[i]:
result.append(array[i])
filtered_array = np.array(result)
print(filtered_array) # 출력: [1. 2. 4. 5.]
isnan() 함수는 NumPy 배열의 각 원소가 NaN인지 확인하는 데 사용됩니다. 조건문을 사용하여 NaN 값이 아닌 원소만 새로운 배열에 추가하여 NaN 값을 제거할 수 있습니다.
where() 함수 사용:
import numpy as np
# NaN 값을 포함하는 NumPy 배열 생성
array = np.array([1, 2, np.nan, 4, 5])
# where() 함수를 사용하여 NaN 값을 특정 값으로 대체
filtered_array = np.where(np.isnan(array), 0, array)
print(filtered_array) # 출력: [ 1. 2. 0. 4. 5.]
where() 함수는 조건에 따라 NumPy 배열의 원소를 다른 값으로 대체하는 데 사용됩니다. 위 예제에서는 np.isnan(array) 조건이 참인 경우 (즉, 원소가 NaN인 경우) 해당 원소를 0으로 대체합니다.
fill_value 매개변수를 사용하여 reshape() 함수 사용:
import numpy as np
# NaN 값을 포함하는 NumPy 배열 생성
array = np.array([1, 2, np.nan, 4, 5])
# reshape() 함수와 fill_value 매개변수를 사용하여 NaN 값을 0으로 대체
filtered_array = array.reshape(-1, 1).reshape((array.size - array.count(np.nan)), 1).filled(0)
print(filtered_array) # 출력: [[1.],[2.],[0.],[4.],[5.]]
reshape() 함수와 fill_value 매개변수를 사용하면 NaN 값을 특정 값으로 대체하면서 배열의 모양을 변경할 수 있습니다. 위 예제에서는 reshape(-1, 1)을 사용하여 배열을 1열짜리 행렬로 변환하고, reshape((array.size - array.count(np.nan)), 1)을 사용하여 NaN 값을 제외한 원소만 포함하는 새로운 행렬을 만듭니다. 마지막으로 filled(0)을 사용하여 NaN 값을 0으로 채웁니다.
선택 방법
위에 설명된 방법 외에도 NumPy 배열에서 NaN 값을 제거하는 방법은 여러 가지가 있습니다. 사용하는 방법은 특정 상황과 필요에 따라 다릅니다.
- 빠르고 간단한 방법:
dropna()함수를 사용하는 것이 가장 빠르고 간단한 방법입니다. - 특정 축을 따라 NaN 값 제거:
dropna()함수와 축 인수를 사용하여 특정 축을 따라 NaN 값을 제거할 수 있습니다. - NaN 값을 다른 값으로 대체:
where()함수 또는fill_value매개변수를 사용하여reshape()함수를 사용하여 NaN 값을 다른
NumPy 배열에서 NaN 값 제거 예제 코드 (Python)
dropna() 함수 사용
import numpy as np
# NaN 값을 포함하는 NumPy 배열 생성
array = np.array([1, 2, np.nan, 4, 5])
# dropna() 함수를 사용하여 NaN 값 제거
filtered_array = array.dropna()
print(filtered_array) # 출력: [1. 2. 4. 5.]
이 코드는 dropna() 함수를 사용하여 array 배열에서 NaN 값을 제거합니다. dropna() 함수는 기본적으로 축 1을 따라 NaN 값을 포함하는 모든 행을 제거합니다.
isnan() 함수와 조건문 사용
import numpy as np
# NaN 값을 포함하는 NumPy 배열 생성
array = np.array([1, 2, np.nan, 4, 5])
# isnan() 함수를 사용하여 NaN 값 확인
is_nan = np.isnan(array)
# 조건문을 사용하여 NaN 값 제거
result = []
for i in range(len(array)):
if not is_nan[i]:
result.append(array[i])
filtered_array = np.array(result)
print(filtered_array) # 출력: [1. 2. 4. 5.]
이 코드는 isnan() 함수를 사용하여 array 배열의 각 원소가 NaN인지 확인합니다. 그리고 조건문을 사용하여 NaN 값이 아닌 원소만 새로운 배열 result에 추가합니다. 마지막으로 result를 NumPy 배열로 변환하여 filtered_array에 저장합니다.
where() 함수 사용
import numpy as np
# NaN 값을 포함하는 NumPy 배열 생성
array = np.array([1, 2, np.nan, 4, 5])
# where() 함수를 사용하여 NaN 값을 특정 값으로 대체
filtered_array = np.where(np.isnan(array), 0, array)
print(filtered_array) # 출력: [ 1. 2. 0. 4. 5.]
이 코드는 where() 함수를 사용하여 array 배열의 NaN 값을 0으로 대체합니다. where() 함수는 첫 번째 인수가 참인 경우 두 번째 인수를, 그렇지 않은 경우 세 번째 인수를 반환합니다. 즉, 이 코드에서는 np.isnan(array) 조건이 참인 경우 (즉, 원소가 NaN인 경우) 해당 원소를 0으로, 그렇지 않은 경우 원래 값을 반환합니다.
결론
NumPy 배열에서 NaN 값을 제거하는 다른 방법
numpy.ma.masked_array 사용:
import numpy as np
import numpy.ma as ma
# NaN 값을 포함하는 NumPy 배열 생성
array = np.array([1, 2, np.nan, 4, 5])
# masked_array로 변환
masked_array = ma.masked_array(array, mask=np.isnan(array))
# fill_value 매개변수를 사용하여 NaN 값을 특정 값으로 대체
filtered_array = masked_array.filled(fill_value=0)
print(filtered_array) # 출력: [1. 2. 0. 4. 5.]
numpy.ma 모듈은 masked_array 클래스를 제공합니다. masked_array는 데이터 배열과 마스크 배열을 함께 저장하는 객체입니다. 마스크 배열은 각 원소가 유효한지 여부를 나타내는 True/False 값을 포함합니다.
위 코드에서는 masked_array를 생성하고 fill_value 매개변수를 사용하여 NaN 값을 0으로 채웁니다.
pandas 라이브러리 사용:
import pandas as pd
# NaN 값을 포함하는 NumPy 배열 생성
array = np.array([1, 2, np.nan, 4, 5])
# Pandas Series로 변환
series = pd.Series(array)
# dropna() 메서드를 사용하여 NaN 값 제거
filtered_series = series.dropna()
# NumPy 배열로 변환
filtered_array = filtered_series.to_numpy()
print(filtered_array) # 출력: [1. 2. 4. 5.]
pandas 라이브러리는 데이터 분석 작업을 수행하는 데 유용한 도구입니다. NumPy 배열을 pandas Series로 변환하고 dropna() 메서드를 사용하여 NaN 값을 제거한 다음 NumPy 배열로 다시 변환할 수 있습니다.
루프를 사용하여 직접 구현:
import numpy as np
# NaN 값을 포함하는 NumPy 배열 생성
array = np.array([1, 2, np.nan, 4, 5])
# 새로운 빈 배열 생성
filtered_array = []
# 루프를 사용하여 NaN 값이 아닌 원소만 새로운 배열에 추가
for i in range(len(array)):
if not np.isnan(array[i]):
filtered_array.append(array[i])
# NumPy 배열로 변환
filtered_array = np.array(filtered_array)
print(filtered_array) # 출력: [1. 2. 4. 5.]
위 코드는 루프를 사용하여 array 배열의 각 원소를 반복하고 NaN 값이 아닌 경우만 새로운 배열 filtered_array에 추가합니다.
결론
python numpy nan
